农产品产量预测方法及系统技术方案

本发明专利技术公开了农产品产量预测方法及系统，属于大数据处理技术领域，本要解决的技术问题为考虑不同生长期农作物受气象变化等条件影响的差异性的前提下、对农作物产量进行预测。包括如下步骤：按照区域划分精度以及农作物种类获取与产量相关的历史年度数据以及对应的历史年度产量；对历史年度数据进行数据预处理；对于每种农作物，构建产量预测模型，产量预测模型用于以与产量相关的当年度数据为输入、预测输出当年度产量；基于历史年度数据以及对应的历史年度产量构建训练集，基于训练集对相关的产量预测模型进行模型预测；对于每种农作物，以与产量相关的当年度数据为输入，通过对应的训练后产量预测模型预测输出当年度产量。应的训练后产量预测模型预测输出当年度产量。应的训练后产量预测模型预测输出当年度产量。

【技术实现步骤摘要】
农产品产量预测方法及系统


[0001]本专利技术涉及大数据处理
，具体地说是农产品产量预测方法及系统。

技术介绍

[0002]随着信息技术的发展，特别是物联网和大数据技术的发展，使得大规模的农业数据采集和分析成为现实，从而对于一些高维度、相关性复杂的农业信息分析问题，在技术上有了新的发展。目前的国内外都是对农作物单产进行预测的时间变量都是以年或整个生长期为单位，忽略了不同生长期农作物受气象变化等条件影响的差异性。
[0003]考虑不同生长期农作物受气象变化等条件影响的差异性的前提下、对农作物产量进行预测，是需要解决的技术问题。

技术实现思路

[0004]本专利技术的技术任务是针对以上不足，提供农产品产量预测方法及系统，来解决考虑不同生长期农作物受气象变化等条件影响的差异性的前提下、对农作物产量进行预测的技术问题。
[0005]第一方面，本专利技术一种农产品产量预测方法，包括如下步骤：
[0006]按照区域划分精度以及农作物种类获取与产量相关的历史年度数据以及对应的历史年度产量；
[0007]对历史年度数据进行数据预处理，得到预处理后历史年度数据；
[0008]对于每种农作物，构建产量预测模型，所述产量预测模型用于以与产量相关的当年度数据为输入、预测输出当年度产量；
[0009]对于每种农作物，基于历史年度数据以及对应的历史年度产量构建训练集，基于训练集对相关的产量预测模型进行模型预测，得到训练后产量预测模型；
[0010]对于每种农作物，以与产量相关的当年度数据为输入，通过对应的训练后产量预测模型预测输出当年度产量。
[0011]作为优选，对于每种农作物，基于与产量相关的当年度数据以及当年度的真实产量、对相关的训练后产量预测模型进行模型优化。
[0012]作为优选，区域划分精度按照行政区域划分或者按照地理划分，按照行政区域划分包括省、市、区县和镇，按照地理划分划分为华南、华北、华中、华东、华西；
[0013]农作物种类按照生长周期或者所属科目进行分类，其中，生长周期包括单季度、多季度、一年生和多年生；
[0014]与产量相关的数据包括气候参数和病虫害程度，气候参数包括生长周期内降雨量、光照情况、平均温度、昼夜温差情况。
[0015]作为优选，对历史年度数据进行数据预处理，通过数据预处理对历史年度数据进行数据格式统一以及数据清洗，通过数据清洗去除异常值以及空值。
[0016]第二方面，本专利技术一种农产品产量预测系统，用于通过如第一方面任一项所述的
一种农产品产量预测方法对农产品产量进行预测，所述系统包括：
[0017]数据采集模块，所述数据采集模块用于按照区域划分精度以及农作物种类获取与产量相关的历史年度数据以及对应的历史年度产量；
[0018]数据预处理模块，所述数据预处理模块用于对历史年度数据进行数据预处理，得到预处理后历史年度数据；
[0019]模型构建训练模块，对于每种农作物，所述模型构建训练模块用于构建产量预测模型，所述产量预测模型用于以与产量相关的当年度数据为输入、预测输出当年度产量；并用于基于历史年度数据以及对应的历史年度产量构建训练集，基于训练集对相关的产量预测模型进行模型预测，得到训练后产量预测模型；
[0020]产量预测模块，对于每种农作物，所述产量预测模块用于以与产量相关的当年度数据为输入，通过对应的训练后产量预测模型预测输出当年度产量。
[0021]作为优选，对于每种农作物，所述模型构建训练模块还用于基于与产量相关的当年度数据以及当年度的真实产量、对相关的训练后产量预测模型进行模型优化。
[0022]作为优选，对于每种农作物，区域划分精度按照行政区域划分或者按照地理划分，按照行政区域划分包括省、市、区县和镇，按照地理划分划分为华南、华北、华中、华东、华西；
[0023]农作物种类按照生长周期或者所属科目进行分类，其中，生长周期包括单季度、多季度、一年生和多年生；
[0024]与产量相关的数据包括气候参数和病虫害程度，气候参数包括生长周期内降雨量、光照情况、平均温度、昼夜温差情况。
[0025]作为优选，对历史年度数据进行数据预处理时，所述数据预处理模块用于通过数据预处理对历史年度数据进行数据格式统一以及数据清洗，通过数据清洗去除异常值以及空值。
[0026]本专利技术的农产品产量预测方法及系统具有以下优点：可按照不同的区域精度及农作物分类(生长周期分类或农作物类型分类)进行产量预测，并根据预测结果误差实时调整预测模型，提高预测准确率，可以为制定各项农产品相关计划提供更准确的预测值，辅助决策。
附图说明
[0027]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域的普通技术人员来讲，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。
[0028]下面结合附图对本专利技术进一步说明。
[0029]图1为实施例1一种农产品产量预测方法的结流程框图。
具体实施方式
[0030]下面结合附图和具体实施例对本专利技术作进一步说明，以使本领域的技术人员可以更好地理解本专利技术并能予以实施，但所举实施例不作为对本专利技术的限定，在不冲突的情况
下，本专利技术实施例以及实施例中的技术特征可以相互结合。
[0031]本专利技术实施例提供农产品产量预测方法及系统，用于解决考虑不同生长期农作物受气象变化等条件影响的差异性的前提下、对农作物产量进行预测的技术问题。
[0032]实施例1：
[0033]本专利技术一种农产品产量预测方法，包括如下步骤：
[0034]S100、按照区域划分精度以及农作物种类获取与产量相关的历史年度数据以及对应的历史年度产量；
[0035]S200、对历史年度数据进行数据预处理，得到预处理后历史年度数据；
[0036]S300、对于每种农作物，构建产量预测模型，所述产量预测模型用于以与产量相关的当年度数据为输入、预测输出当年度产量；
[0037]S400、对于每种农作物，基于历史年度数据以及对应的历史年度产量构建训练集，基于训练集对相关的产量预测模型进行模型预测，得到训练后产量预测模型；
[0038]S500、对于每种农作物，以与产量相关的当年度数据为输入，通过对应的训练后产量预测模型预测输出当年度产量。
[0039]本实施例步骤S100中，区域划分精度按照行政区域划分或者按照地理划分，按照行政区域划分包括省、市、区县和镇，按照地理划分划分为华南、华北、华中、华东、华西。
[0040]农作物种类按照生长周期或者所属科目进行分类，其中，生长周期包括单季度、多季度、一年生和多年生。
[0041]与产量相关的数据包括气候参数和病虫害程度，气候参数包括生长周期内降雨量、光照情况、平均温度、昼夜温差情况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农产品产量预测方法，其特征在于，包括如下步骤：按照区域划分精度以及农作物种类获取与产量相关的历史年度数据以及对应的历史年度产量；对历史年度数据进行数据预处理，得到预处理后历史年度数据；对于每种农作物，构建产量预测模型，所述产量预测模型用于以与产量相关的当年度数据为输入、预测输出当年度产量；对于每种农作物，基于历史年度数据以及对应的历史年度产量构建训练集，基于训练集对相关的产量预测模型进行模型预测，得到训练后产量预测模型；对于每种农作物，以与产量相关的当年度数据为输入，通过对应的训练后产量预测模型预测输出当年度产量。2.根据权利要求1所述的一种农产品产量预测方法，其特征在于，对于每种农作物，基于与产量相关的当年度数据以及当年度的真实产量、对相关的训练后产量预测模型进行模型优化。3.根据权利要求1所述的一种农产品产量预测方法，其特征在于，区域划分精度按照行政区域划分或者按照地理划分，按照行政区域划分包括省、市、区县和镇，按照地理划分划分为华南、华北、华中、华东、华西；农作物种类按照生长周期或者所属科目进行分类，其中，生长周期包括单季度、多季度、一年生和多年生；与产量相关的数据包括气候参数和病虫害程度，气候参数包括生长周期内降雨量、光照情况、平均温度、昼夜温差情况。4.根据权利要求1
‑
3任一项所述的农产品产量预测方法，其特征在于，对历史年度数据进行数据预处理，通过数据预处理对历史年度数据进行数据格式统一以及数据清洗，通过数据清洗去除异常值以及空值。5.一种农产品产量预测系统，其特征在于，用于通过如权利要求1
‑
4任一项所述的一种农产品产量预测方法对农产品产量进行预测，所述系统包括：数据...

【专利技术属性】
技术研发人员：徐方浩，单震，宋培东，
申请(专利权)人：浪潮卓数大数据产业发展有限公司，
类型：发明
国别省市：