基于深度神经网络的烟草种植面积智能管理系统技术方案

本发明专利技术涉及用于管理目的的数据处理领域，提出了基于深度神经网络的烟草种植面积智能管理系统，包括：获取烟草种植田的历史参考数据；根据历史参考数据中各影响因素与烟草产量的相关关系获取每个影响因素的影响权重值，并得到训练完成的烟草产量预测模型；根据预测模型构建第一目标函数，根据各种植地块不同影响因素的权重值差异表现获取第一代价程度，根据各种植地块可种植区域的离散性及种植密度变化程度获取第二代价程度，进而得到综合代价程度，并修正第一目标函数得到第二目标函数；根据第二目标函数设置约束条件，得到最优种植分配方式。本发明专利技术旨在解决满足经济目标但不能兼顾其他影响因素进行种植而无法生产效益最大化的种植管理问题。化的种植管理问题。化的种植管理问题。

【技术实现步骤摘要】
基于深度神经网络的烟草种植面积智能管理系统


[0001]本专利技术涉及用于管理目的的数据处理领域，具体涉及基于深度神经网络的烟草种植面积智能管理系统。

技术介绍

[0002]烟草属于特种经济作物，随着科学技术的发展，烟草种植行业逐渐实现数字化管理转型，使得烟草种植生产效益不断增加，达到增产增效的目的，而进行烟草种植规划是增加经济效益的一种重要的手段。在现有的烟草种植规划管理过程中，农户主要根据自己的主观意愿以及市场经济的影响，对有限面积的种植地块进行盲目种植，无法在满足经济目标的前提下，同时兼顾其他种植影响因素，很难达到生产效益最大化的管理目的；若想达到较高的生产效益，同时兼顾其他影响因素，往往需要专家实地考察进行规划，浪费大量的人力物力，因此需要向数字化智能管理种植规划转型；数字化智能管理种植规划中，不再需要浪费大量人力物力去实地考察种植田的各种数据，结合历史参考数据建立预测模型即可完成最优种植规划，解决了现有规划盲目种植而无法生产效益最大化的问题。

技术实现思路

[0003]本专利技术提供基于深度神经网络的烟草种植面积智能管理系统，以解决现有的满足经济目标但不能兼顾其他影响因素进行种植而无法生产效益最大化的种植管理问题，所采用的技术方案具体如下：本专利技术一个实施例提供了基于深度神经网络的烟草种植面积智能管理系统，该系统包括：数据采集模块，获取烟草种植田的历史参考数据，所述历史参考数据包括各影响因素的历年数据及历年的烟草产量；获取烟草种植田中每个种植地块的各影响因素的数据；预测模型模块，根据历史参考数据中每个影响因素的历年数据与历年的烟草产量获取每个影响因素的影响权重值，利用深度神经网络构建烟草产量预测模型，根据历史参考数据及各影响因素的影响权重值获取训练完成的烟草产量预测模型；目标函数模块：根据烟草产量预测模型获取第一目标函数，根据烟草种植田中每个种植地块的各影响因素的数据与其他种植地块的各影响因素的数据差异，以及各影响因素的影响权重值与第一预设阈值的比较结果，获取每个种植地块的第一代价程度；获取每个种植地块中的可种植区域，根据每个种植地块中可种植区域的距离均值及面积表现获取每个种植地块可种植区域的离散性，根据每个可种植区域中不同种子成本与面积之间的变化关系获取每个可种植区域的种植密度趋势曲线，根据每个种植地块内每个可种植区域与其他可种植区域的趋势差异表现，获取每个种植地块的种植密度变化程度，根据每个种植地块可种植区域的离散性与种植密度变化程度获取每个种植地块的第二代价程度；
根据每个种植地块的第一代价程度及第二代价程度获取每个种植地块的综合代价程度，根据综合代价程度修正第一目标函数得到第二目标函数；种植分配管理模块：根据第二目标函数设置约束条件，并得到最优种植分配管理方法。
[0004]可选的，所述获取每个影响因素的影响权重值，包括的具体方法为：其中，表示第个影响因素的影响程度，表示历史参考数据中共有个年份的参考数据，表示第个影响因素在第年的历史数据，表示第个影响因素在历史参考数据中的均值，表示第年的烟草产量，表示历史参考数据中烟草产量的均值；将各影响因素的影响程度的归一化值作为各影响因素的影响权重值。
[0005]可选的，所述根据烟草产量预测模型获取第一目标函数，包括的具体方法为：其中，即为预测的烟草总产量，表示烟草种植田中共有个种植地块，表示第个种植地块分配的种子成本，表示烟草产量预测模型；获取到预测的烟草总产量的函数即为第一目标函数。
[0006]可选的，所述获取每个种植地块的第一代价程度，包括的具体方法为：其中，表示第个种植地块的第一代价程度，表示影响权重值小于第一预设阈值的影响因素数量，表示影响权重值大于等于第一预设阈值的影响因素数量，和分别表示第个和第个种植地块中影响权重值小于第一预设阈值的第个影响因素的数据，和分别表示第个和第个种植地块中影响权重值大于等于第一预设阈值的第个影响因素的数据，表示烟草种植田中种植地块的数量，表示求绝对值。
[0007]可选的，所述获取每个种植地块可种植区域的离散性，包括的具体方法为：
其中，表示第个种植地块可种植区域的离散性，表示第个种植地块中可种植区域形成的各连通域之间欧式距离的均值，表示第个种植地块中共有个可种植区域形成的连通域，表示第个种植地块中第个可种植区域形成的连通域的面积，表示第个种植地块中所有可种植区域形成的连通域的面积均值；所述各连通域之间欧式距离的均值的获取方法为：计算任意两个连通域区域中心的欧式距离，获取该种植地块中所有获取到的欧式距离的均值。
[0008]可选的，所述获取每个可种植区域的种植密度趋势曲线，包括的具体方法为：以横坐标为不同的种子成本值，纵坐标为种植密度值，所述种植密度值为种子成本与可种植区域形成的连通域面积的比值，对同一种植地块内每个可种植区域构建种植密度变化曲线，将每个可种植区域的种植密度变化曲线通过STL时间序列分解算法得到每个可种植区域的种植密度趋势曲线。
[0009]可选的，所述获取每个种植地块的种植密度变化程度，包括的具体方法为：其中，表示第个种植地块的种植密度变化程度，表示第个种植地块中可种植区域的数量，表示第个种植地块中第个可种植区域与其他所有可种植区域的趋势分布差异均值；所述趋势分布差异的计算方法为：获取两个可种植区域的种植密度趋势曲线中，每个种子成本下两个曲线中对应曲线点的纵坐标差值绝对值，将所有种子成本下的纵坐标差值绝对值的均值作为两个可种植区域的趋势分布差异。
[0010]可选的，所述根据综合代价程度修正第一目标函数得到第二目标函数，包括的具体方法为：其中，表示修正后预测的烟草总产量，表示烟草种植田中共有个种植地块，表示第个种植地块分配的种子成本，表示烟草产量预测模型，表示第个种植地块的综合代价程度，表示代价程度量化超参数。
[0011]本专利技术相较于现有技术的有益效果是：（1）在数字化智能管理种植规划中，不再需要浪费大量人力物力去实地考察种植田的各种数据，结合历史参考数据建立预测模型及目标函数，即可完成最优种植规划与管理，解决了现有规划盲目种植而无法生产效益最大化的管理问题，同时又无需耗费较多财力即可完成预测。
[0012]（2）通过历史参考数据，获取影响烟草产量的不同影响因素的影响权重值，使得训练完成的烟草产量预测模型更加符合每个种植地块的本身固有属性特征，进而使烟草产量预测模型的预测结果更加准确，为之后进行最优化分配提供了规划基础；同时根据不同影响因素得到的影响权重值为之后量化每个种植地块的综合代价程度提供计算基础，使得量化综合代价程度更加准确。
[0013]（3）通过不同地块之间的影响因素的权重不同、对应的可种植区域的不同来量化在不同地块之间种植烟草的综合代价程度；种植烟草的综合代价程度用来表征当前种植地块本身固有属性因素以及可种植区域的分布对于种植一定量烟草所需要耗费的代价，进而对所构建的目标函数进行调整，使得达到种植产量最大的同时，保证所耗费的代价较小，得到的最优化分配更加合理。
附图说明
[0014]为了更清楚地说本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于深度神经网络的烟草种植面积智能管理系统，其特征在于，该系统包括：数据采集模块，获取烟草种植田的历史参考数据，所述历史参考数据包括各影响因素的历年数据及历年的烟草产量；获取烟草种植田中每个种植地块的各影响因素的数据；预测模型模块，根据历史参考数据中每个影响因素的历年数据与历年的烟草产量获取每个影响因素的影响权重值，利用深度神经网络构建烟草产量预测模型，根据历史参考数据及各影响因素的影响权重值获取训练完成的烟草产量预测模型；目标函数模块：根据烟草产量预测模型获取第一目标函数，根据烟草种植田中每个种植地块的各影响因素的数据与其他种植地块的各影响因素的数据差异，以及各影响因素的影响权重值与第一预设阈值的比较结果，获取每个种植地块的第一代价程度；获取每个种植地块中的可种植区域，根据每个种植地块中可种植区域的距离均值及面积表现获取每个种植地块可种植区域的离散性，根据每个可种植区域中不同种子成本与面积之间的变化关系获取每个可种植区域的种植密度趋势曲线，根据每个种植地块内每个可种植区域与其他可种植区域的趋势差异表现，获取每个种植地块的种植密度变化程度，根据每个种植地块可种植区域的离散性与种植密度变化程度获取每个种植地块的第二代价程度；根据每个种植地块的第一代价程度及第二代价程度获取每个种植地块的综合代价程度，根据综合代价程度修正第一目标函数得到第二目标函数；种植分配管理模块：根据第二目标函数设置约束条件，并得到最优种植分配管理方法。2.根据权利要求1所述的基于深度神经网络的烟草种植面积智能管理系统，其特征在于，所述获取每个影响因素的影响权重值，包括的具体方法为：其中，表示第个影响因素的影响程度，表示历史参考数据中共有个年份的参考数据，表示第个影响因素在第年的历史数据，表示第个影响因素在历史参考数据中的均值，表示第年的烟草产量，表示历史参考数据中烟草产量的均值；将各影响因素的影响程度的归一化值作为各影响因素的影响权重值。3.根据权利要求1所述的基于深度神经网络的烟草种植面积智能管理系统，其特征在于，所述根据烟草产量预测模型获取第一目标函数，包括的具体方法为：其中，即为预测的烟草总产量，表示烟草种植田中共有个种植地块，表示第个种植地块分配的种子成本，表示烟草产量预测模型；获取到预测的烟草总产量的函数即为第一目标函数。4.根据权利要求1所述的基于深度神经网络的烟草种植面积智能管理系统，其特征在
于，所述获取每个种植地块的第一代价程度，包括的具体方法为：其中，表...

【专利技术属性】
技术研发人员：黄风华，危丽英，
申请(专利权)人：阳光学院，
类型：发明
国别省市：