一种基于人工智能和历史数据的农作物产量预测方法技术

本发明专利技术公开了一种基于人工智能和历史数据的农作物产量预测方法，涉及农作物产量预测，包括如下步骤：首先获取待预测区域的农作物当前状态数据，并基于农作物当前状态数据，通过产量预测模型得到预测产量；然后获取待预测区域的环境数据，并基于环境数据，在大数据库中进行匹配得到预测产量；最后在预测产量和预测产量的基础上，结合预设的权重X和权重Y，得到预测产量；本发明专利技术，在农作物产量预测过程中，同时将农作物当前状态数据和环境数据作为考虑因素，并将两者进行深度关联，大大提高了农作物产量预测的准确度。大大提高了农作物产量预测的准确度。大大提高了农作物产量预测的准确度。

【技术实现步骤摘要】
一种基于人工智能和历史数据的农作物产量预测方法


[0001]本专利技术涉及农作物产量预测，具体涉及一种基于人工智能和历史数据的农作物产量预测方法。

技术介绍

[0002]本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。
[0003]农作物产量的高低，直接关系到粮食安全。目前针对农作物产量的预测方法，主要包括两个方面，一方面是基于环境变化进行农作物产量预测，该方法虽然符合农作物品种的整体生长规律，但忽略了农作物的实际生长状态，对于农作物产量只能进行初步估算，预测准确度一般；而另一方面是基于多时相遥感影像，结合预测模型进行预测，该方法虽然考虑了农作物的实际生长状态，但并未与环境变化进行关联。
[0004]虽然上述两种方法均可用于农作物产量的预测，但各自考虑的因素种类较为单一，导致预测准确度都不高。

技术实现思路

[0005]本专利技术的目的在于：针对目前用于农作物产量的预测方法，由于各自考虑的因素种类较为单一，导致预测准确度都不高的问题，提供了一种基于人工智能和历史数据的农作物产量预测方法，将环境变本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工智能和历史数据的农作物产量预测方法，其特征在于，包括：步骤S1：获取待预测区域的农作物当前状态数据，并基于农作物当前状态数据，通过产量预测模型得到预测产量；步骤S2：获取待预测区域的环境数据，并基于环境数据，在大数据库中进行匹配得到预测产量；步骤S3：在预测产量和预测产量的基础上，结合预设的权重X和权重Y，得到预测产量。2.根据权利要求1所述的一种基于人工智能和历史数据的农作物产量预测方法，其特征在于，所述产量预测模型的建立过程如下：步骤A：从大数据平台中，获取农作物在生长周期内各时间点的原始状态信息；步骤B：从待预测区域的样本农作物历史生长数据中，获取待预测区域内农作物在生长周期内各时间点的样本状态信息；步骤C：基于待预测区域内农作物在生长周期内各时间点的样本状态信息，对农作物在生长周期内各时间点的原始状态信息进行修正，获得待预测区域内农作物在生长周期内各时间点的标准状态信息。3.根据权利要求2所述的一种基于人工智能和历史数据的农作物产量预测方法，其特征在于，所述状态信息是由杆径、杆高、叶片尺寸、叶片颜色、是否结果、果实尺寸、果实颜色组成的集合，表示为：其中：为杆径；为杆高；为叶片尺寸；为叶片颜色；是表示结果；否表示未结果；为叶片尺寸；为叶片颜色。4.根据权利要求2所述的一种基于人工智能和历史数据的农作物产量预测方法，其特征在于，所述修正，包括：若样本状态信息与原始状态信息之间的偏差在5%以内，将原始状态信息作为标准状态信息；若样本状态信息与原始状态信息之间的偏差在5%~10%，将样本状态信息与原始状态信息的平均值作为标准状态信息；若样本状态信息与原始状态信息之间的偏差大于10%，将样本状态信息作为标准状态信息。5.根据权利要求2所述的一种基于人工智能和历史数据的农作物产量预测方法，其特征在于，所述步骤S1，包括：步骤S11：获取待预测区域的三维图像数据；
步骤S12：从三维图像数据中，提取出农作物的状态信息；步骤S13：将农作物的状态信息作为输入，通过产量预测模型判定并输出农作物的生长状态；步骤S14：基于判定的农作物的生长状态，结合待预测区域的样本农作物历史产量数据，得到预测产量。6.根据权利要求5所述的一种基于人工智能和历史数据的农作物产量...

【专利技术属性】
技术研发人员：张远民，蒋军君，古仁国，王荻菲，
申请(专利权)人：联通四川产业互联网有限公司，
类型：发明
国别省市：