System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及预测管理,具体涉及一种基于大数据的农林有害生物预测方法。
技术介绍
1、随着农业和林业生产规模的不断扩大,有害生物的威胁日益突出,其对农作物和森林健康产生了重要影响。为了更好地控制和预防有害生物产生的危害,通过大数据分析技术对有害生物进行早期预警和精准防控,如,利用预测模型识别出有害生物的潜在风险区域,并预测出有害生物的传播趋势和繁殖趋势,同时,预测模型为农民和林业从业者提供了相关的决策支持,包括调整种植时间、施用农药和制定合理的防治措施。
2、现有预测模型在运行时,输入数据通常为有害生物发生面积的时序数据,预测模型可以为arima模型(autoregressive integrated moving average model,自回归差分移动平均模型)。arima模型对输入数据比较敏感,但受降雨时间不同的影响,不同历史年份的有害生物发生面积会出现一定程度的偏移,模型的输入数据的真实性较差,其导致arima模型的预测结果的准确性较差,也就是农林有害生物预测结果的准确性低下。
技术实现思路
1、为了解决上述输入数据真实性较差,导致农林有害生物预测结果准确性低下的技术问题,本专利技术的目的在于提供一种基于大数据的农林有害生物预测方法,所采用的技术方案具体如下:
2、本专利技术一个实施例提供了一种基于大数据的农林有害生物预测方法,该方法包括以下步骤:
3、获取待预测区域的当前预设年数对应的有害生物发生面积序列和湿度数据序列;
5、根据每对相邻年对应的各对有害生物发生面积和湿度,确定每对相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响权重;
6、根据每年对应的每天的有害生物发生面积的降雨量影响修正系数、下一年对应的每天的有害生物发生面积的降雨时间影响权重以及有害生物发生面积序列中每天的有害生物发生面积,确定每天的新的有害生物发生面积;
7、将输入数据输入到预测模型中获得未来一年对应的各个预测有害生物发生面积,所述输入数据为每天的新的有害生物发生面积。
8、进一步地,所述有害生物发生面积序列包括每年的预设数目个目标月份内每天的有害生物发生面积,所述湿度数据序列包括每年的预设数目个目标月份内每天的待预测区域湿度,所述目标月份为有害生物高发期月份;所述每对相邻年由当前预设年数中的上一年和下一年组成。
9、进一步地,根据有害生物发生面积序列和湿度数据序列,确定每年对应的每天的有害生物发生面积的降雨量影响修正系数,包括:
10、将每年最初的预设天数对应的有害生物发生面积作为第一目标面积,将每年中除第一目标面积以外的有害生物发生面积作为第二目标面积;将各个第一目标面积的降雨量影响修正系数赋值为0;
11、对于任意一个的第二目标面积,根据第二目标面积以及其对应的湿度、位于第二目标面积之前的预设天数对应的每天的有害生物发生面积及其对应的湿度,确定第二目标面积与位于第二目标面积之前的预设天数对应的每天的湿度之间的关联影响指标;
12、根据第二目标面积的各个关联影响指标和预设天数,确定第二目标面积的降雨量影响修正系数。
13、进一步地,确定第二目标面积与位于第二目标面积之前的预设天数对应的每天的湿度之间的关联影响指标,包括:
14、将第二目标面积对应的湿度与第二目标面积的比值作为第一比值,将位于第二目标面积之前的预设天数对应的每天的湿度与其对应的有害生物发生面积的比值作为第二比值;计算第一比值与任意一个第二比值之间的差值绝对值,将两者之间的差值绝对值作为关联影响指标,获得各个关联影响指标。
15、进一步地,所述降雨量影响修正系数的计算公式为:
16、;式中,为第i年对应的第j天的第二目标面积的降雨量影响修正系数,k为预设天数,k为位于第i年对应的第j天之前的第k天,为第i年对应的第j天的第二目标面积与位于第i年对应的第j天之前的第天对应的湿度之间的关联影响指标;对于k,该数值呈现负方向逐渐增加。
17、进一步地,根据每对相邻年对应的各对有害生物发生面积和湿度,确定每对相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响权重,包括:
18、对于任意一对相邻年,根据相邻年对应的各对有害生物发生面积和湿度,确定相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响程度;
19、根据相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响程度以及预设天数,确定相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响权重。
20、进一步地,确定相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响程度,包括:
21、对于相邻年中下一年对应的任意一天的有害生物发生面积,将该天的湿度与上一年对应位于该天之前的预设天数对应的每天的湿度之间的湿度差值的平方,确定为降雨时间提前的第一影响因子;将该天的有害生物发生面积与上一年对应位于该天之前的预设天数对应的每天的有害生物发生面积之间的面积差值的平方,确定为降雨时间提前的第二影响因子;根据各个降雨时间提前的第一影响因子和第二影响因子,确定下一年对应的该天的有害生物发生面积受上一年对应位于该天之前的预设天数中每天的降雨时间提前的影响程度;
22、对于相邻年中下一年对应的任意一天的有害生物发生面积,将该天的湿度与上一年对应位于该天之后的预设天数对应的每天的湿度之间的湿度差值的平方,确定为降雨时间延后的第三影响因子;将该天的有害生物发生面积与上一年对应位于该天之后的预设天数对应的每天的有害生物发生面积之间的面积差值的平方,确定为降雨时间延后的第四影响因子;根据各个降雨时间延后的第三影响因子和第四影响因子,确定下一年对应的该天的有害生物发生面积受上一年对应位于该天之后的预设天数中每天的降雨时间延后的影响程度;所述降雨时间影响程度包括降雨时间提前的影响程度和降雨时间延后的影响程度。
23、进一步地,所述下一年对应的该天的有害生物发生面积受上一年对应位于该天之前的预设天数中每天的降雨时间提前的影响程度的计算公式为:
24、;式中,为第i年对应的该天的有害生物发生面积受第i-1年对应位于该天之前的预设天数中第p天的降雨时间提前的影响程度,为第i年对应的该天的湿度,为第年对应位于该天之前的预设天数中第p天的湿度,为第i年对应的该天的有害生物发生面积受第i-1年对应位于该天之前的预设天数中第p天的降雨时间提前的第一影响因子,为第i年对应的该天的有害生物发生面积,为第年对应位于该天之前的第p天的有害生物发生面积,为第i年对应的该天的有害生物发生面积受第i-1年对应位于该天之前的预设天数中第p天的降雨时间提前的第二影响因子;
25、所述下一年对应的该天的有害生物发生面积受上一年对应位于该天之后的预设天数中每天的降雨时本文档来自技高网...
【技术保护点】
1.一种基于大数据的农林有害生物预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于大数据的农林有害生物预测方法,其特征在于,所述有害生物发生面积序列包括每年的预设数目个目标月份内每天的有害生物发生面积,所述湿度数据序列包括每年的预设数目个目标月份内每天的待预测区域湿度,所述目标月份为有害生物高发期月份;所述每对相邻年由当前预设年数中的上一年和下一年组成。
3.根据权利要求1所述的一种基于大数据的农林有害生物预测方法,其特征在于,根据有害生物发生面积序列和湿度数据序列,确定每年对应的每天的有害生物发生面积的降雨量影响修正系数,包括:
4.根据权利要求3所述的一种基于大数据的农林有害生物预测方法,其特征在于,确定第二目标面积与位于第二目标面积之前的预设天数对应的每天的湿度之间的关联影响指标,包括:
5.根据权利要求4所述的一种基于大数据的农林有害生物预测方法,其特征在于,所述降雨量影响修正系数的计算公式为:
6.根据权利要求3所述的一种基于大数据的农林有害生物预测方法,其特征在于,根据每对相邻年对应的各对
7.根据权利要求6所述的一种基于大数据的农林有害生物预测方法,其特征在于,确定相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响程度,包括:
8.根据权利要求7所述的一种基于大数据的农林有害生物预测方法,其特征在于,所述下一年对应的该天的有害生物发生面积受上一年对应位于该天之前的预设天数中每天的降雨时间提前的影响程度的计算公式为:
9.根据权利要求6所述的一种基于大数据的农林有害生物预测方法,其特征在于,根据相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响程度以及预设天数,确定相邻年中下一年对应的每天的有害生物发生面积的降雨时间影响权重,包括:
10.根据权利要求1所述的一种基于大数据的农林有害生物预测方法,其特征在于,所述每天的新的有害生物发生面积的计算公式为:
...【技术特征摘要】
1.一种基于大数据的农林有害生物预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于大数据的农林有害生物预测方法,其特征在于,所述有害生物发生面积序列包括每年的预设数目个目标月份内每天的有害生物发生面积,所述湿度数据序列包括每年的预设数目个目标月份内每天的待预测区域湿度,所述目标月份为有害生物高发期月份;所述每对相邻年由当前预设年数中的上一年和下一年组成。
3.根据权利要求1所述的一种基于大数据的农林有害生物预测方法,其特征在于,根据有害生物发生面积序列和湿度数据序列,确定每年对应的每天的有害生物发生面积的降雨量影响修正系数,包括:
4.根据权利要求3所述的一种基于大数据的农林有害生物预测方法,其特征在于,确定第二目标面积与位于第二目标面积之前的预设天数对应的每天的湿度之间的关联影响指标,包括:
5.根据权利要求4所述的一种基于大数据的农林有害生物预测方法,其特征在于,所述降雨量影响修正系数的计算公式为:
6.根据权利要求3所...
【专利技术属性】
技术研发人员:黄天来,李荣彪,陈奕延,刘红英,谢美云,
申请(专利权)人:西安道法数器信息科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。