区域龙眼年产量的预测方法、装置及计算机设备制造方法及图纸

本申请公开了一种区域龙眼年产量的预测方法、装置及计算机设备，方法包括：获取目标区域在待预测年份对应的目标气象数据，目标气象数据包括与龙眼的气象产量相关的目标气象特征变量对应的数据；将目标气象数据输入预设的基于目标气象特征变量建立的随机森林回归模型，得到龙眼气象产量预测结果；基于预设线性回归模型确定龙眼趋势产量预测结果；根据龙眼气象产量预测结果与龙眼趋势产量预测结果确定目标区域在待预测年份对应的龙眼预测产量。本申请采用能够处理高维数据和非线性关系的随机森林回归模型来进行龙眼的气象产量的预测，能够提高龙眼气象产量的预测准确率，从而提高区域龙眼年产量的预测准确率，有利于提高龙眼种植和经营的科学性。龙眼种植和经营的科学性。龙眼种植和经营的科学性。

【技术实现步骤摘要】
区域龙眼年产量的预测方法、装置及计算机设备


[0001]本申请涉及人工智能
，尤其涉及一种区域龙眼年产量的预测方法、装置及计算机设备。

技术介绍

[0002]龙眼是一种盛产于热带的水果，其含有丰富的营养，包括葡萄糖、蔗糖、蛋白质、多种氨基酸和维生素，能够增强机体免疫力，具有抗焦虑、抗应激、抗衰老、抗菌的作用。粤西是广东龙眼种植面积最大的产区，在这之中，茂名市龙眼种植面积占粤西龙眼种植总面积的77.6%，龙眼也是茂名最核心、最具特色的农产品，基于此，有必要对龙眼的年产量进行预测，以提高龙眼种植和经营的科学性。
[0003]按照影响因素，龙眼的年产量可分解为趋势产量、气象产量和随机产量三部分。其中，趋势产量由社会因素决定，主要受农业生产技术影响，气象产量是由气象条件因素决定，随机产量则主要由偶然因素造成，一般忽略不计。现有的龙眼的区域年产量预测方法通常是基于传统统计学的方法。例如，针对气象产量预测，利用多元逐步回归法，根据所选变量因子与目标因子的相关性，逐个引入或剔除因子，从而建立多元线性回归方程（线性回归模型），进而利用该多元线性回归方程进行龙眼的气象产量的预测。然而，由于气象因素与龙眼的年产量，尤其是气象产量之间的影响关系较为复杂，基于线性影响关系的多元逐步回归法构建的多元线性回归方程在面对新的气象产量的预测任务时预测准确率较低，进一步导致了龙眼的实际年产量预测准确率较低，预测效果较差。因此，亟需一种区域龙眼年产量的预测方法，旨在提高区域龙眼年产量的预测准确率，以提高龙眼种植和经营的科学性。
专利
技术实现思路

[0004]本申请实施例提供了区域龙眼年产量的预测方法、装置及计算机设备，能够解决现有的区域龙眼年产量的预测方法对于区域龙眼年产量的预测准确率较低，预测效果较差的技术问题。
[0005]第一方面，本申请实施例提供了一种区域龙眼年产量的预测方法，包括：获取目标区域在待预测年份对应的目标气象数据；所述目标气象数据包括与龙眼的气象产量相关的目标气象特征变量对应的数据；将所述目标气象数据输入预设的随机森林回归模型，得到所述目标区域在所述待预测年份对应的龙眼气象产量预测结果，所述随机森林回归模型为基于所述目标气象特征变量建立的模型；基于龙眼趋势产量的预设线性回归模型确定所述目标区域在所述待预测年份对应的龙眼趋势产量预测结果；根据所述龙眼气象产量预测结果与所述龙眼趋势产量预测结果确定所述目标区域在待预测年份对应的龙眼预测产量。
[0006]第二方面，本申请实施例提供了一种区域龙眼年产量的预测装置，包括：
获取单元，用于获取目标区域在待预测年份对应的目标气象数据；所述目标气象数据包括与龙眼的气象产量相关的目标气象特征变量对应的数据；预测单元，用于将所述目标气象数据输入预设的随机森林回归模型，得到所述目标区域在所述待预测年份对应的龙眼气象产量预测结果，所述随机森林回归模型为基于所述目标气象特征变量建立的模型；第一确定单元，用于基于龙眼趋势产量的预设线性回归模型确定所述目标区域在所述待预测年份对应的龙眼趋势产量预测结果；第二确定单元，用于根据所述龙眼气象产量预测结果与所述龙眼趋势产量预测结果确定所述目标区域在待预测年份对应的龙眼预测产量。
[0007]第三方面，本申请实施例还提供了一种计算机设备，其包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面的区域龙眼年产量的预测方法。
[0008]第四方面，本申请实施例还提供了一种计算机可读存储介质，其中计算机可读存储介质存储有计算机程序，计算机程序当被处理器执行时使处理器执行上述第一方面的区域龙眼年产量的预测方法。
[0009]本申请基于气象因素对龙眼的气象产量影响的复杂性，首先利用基于目标气象特征变量建立的随机森林回归模型来对目标区域在待预测年份的龙眼气象产量进行预测，得到龙眼气象产量预测结果，进一步的，基于龙眼的趋势产量主要受变化稳定的生产技术的影响，因此基于龙眼趋势产量的预设线性回归模型来确定目标区域在所述待预测年份对应的龙眼趋势产量预测结果，进而根据所述龙眼气象产量预测结果与所述龙眼趋势产量预测结果确定所述目标区域在待预测年份对应的龙眼预测产量。本申请采用了随机森林回归模型来对龙眼的气象产量进行预测以及线性回归模型来对趋势产量进行预测，与现有技术中采用线性回归方法来对龙眼的气象产量进行预测相比，本申请采用能够处理高维数据和非线性关系的随机森林回归模型来进行龙眼的气象产量的预测，有利于更准确地描述各种气象因素与气象产量之间的关系，并且，与线性回归模型相比，随机森林回归模型由于具有特征变量和样本的随机性，有利于避免过拟合，提高模型的泛化能力。验证表明，本申请提高了区域龙眼气象产量的预测准确率，从而提高了区域龙眼年产量的预测准确率，有利于提高龙眼种植和经营的科学性。
附图说明
[0010]为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0011]图1为本申请实施例提供的区域龙眼年产量的预测方法的第一流程示意图；图2为本申请实施例提供的区域龙眼年产量的预测方法的另一流程示意图；图3为本申请实施例提供的区域龙眼年产量的预测方法的另一流程示意图；图4为本申请实施例提供的区域龙眼年产量的预测方法的另一流程示意图；图5为本申请实施例提供的随机森林回归模型与多元逐步回归模型的预测效果的第一对比示意图；
图6为本申请实施例提供的随机森林回归模型与多元逐步回归模型的预测效果的另一对比示意图；图7为本申请实施例提供的区域龙眼年产量的预测装置的第一示意性框图；图8为本申请实施例提供的计算机设备的示意性框图。
具体实施方式
[0012]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0013]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和
ꢀ“
包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0014]还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0015]还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0016]本申请提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种区域龙眼年产量的预测方法，其特征在于，包括：获取目标区域在待预测年份对应的目标气象数据；所述目标气象数据包括与龙眼的气象产量相关的目标气象特征变量对应的数据；将所述目标气象数据输入预设的随机森林回归模型，得到所述目标区域在所述待预测年份对应的龙眼气象产量预测结果，所述随机森林回归模型为基于所述目标气象特征变量建立的模型；基于龙眼趋势产量的预设线性回归模型确定所述目标区域在所述待预测年份对应的龙眼趋势产量预测结果；根据所述龙眼气象产量预测结果与所述龙眼趋势产量预测结果确定所述目标区域在待预测年份对应的龙眼预测产量。2.根据权利要求1所述的方法，其特征在于，所述获取目标区域在待预测年份对应的目标气象数据，包括：基于预设的气象预测模型获取所述目标区域在所述待预测年份对应的所述目标气象数据。3.根据权利要求1所述的方法，其特征在于，所述获取目标区域在待预测年份对应的目标气象数据之前，所述方法还包括：获取所述目标区域的多个历史年份中各所述历史年份分别对应的第一历史数据，所述第一历史数据包括历史气象要素数据和龙眼的历史气象产量数据；基于各所述第一历史数据确定所述目标区域对应的多个所述目标气象特征变量；根据所述第一历史数据建立目标训练数据集；基于所述目标气象特征变量和所述目标训练数据集构建所述随机森林回归模型。4.根据权利要求3所述的方法，其特征在于，所述历史气象要素数据包括所述历史年份中每日分别对应的多个第一要素类型的每日气象要素数据；所述基于各所述第一历史数据确定所述目标区域对应的多个所述目标气象特征变量，包括：根据多个所述第一要素类型的所述每日气象要素数据确定各所述历史年份分别对应的多个第二要素类型的每旬气象要素数据；利用假设检验法，根据所述每旬气象要素数据以及所述历史气象产量数据，确定龙眼的各预设生育周期分别对应的所述目标气象特征变量。5.根据权利要求3所述的方法，其特征在于，所述基于所述目标气象特征变量和所述目标训练数据集构建所述随机森林回归模型，包括：通过自助法从所述目标训练数据集中随机采样，得到与预设的目标决策树棵数对应的多个样本集；在所述目标气象特征变量中随机选取部分作为当前决策树的当前特征变量；根据所述当前特征变量以及所述样本集构建当前决策树，得到包含与所述目标决策树棵数对应的多棵决策树的所述随机森林回归模型。6.根据权利要求5所述的方法，其特征在于，所述通过自助法从所述目标训练数据集中随机采样，得到与预设的目标决策树棵数对应的多个样本集之前，所述方法还包括：确定所述随机森林回归模型中所述决策树的棵树值范围、最大深度值范围和每个子节点的最少样本数范围；
根据所述棵树值范围、所...

【专利技术属性】
技术研发人员：殷美祥，罗瑞婷，朱平，刘显通，曾钦文，
申请(专利权)人：广东华云技术开发有限责任公司，
类型：发明
国别省市：