【技术实现步骤摘要】
本专利技术属于环境变量预测，具体涉及一种基于机器学习的化肥施用量预测方法及装置、电子设备。
技术介绍
1、化肥是农业生产的基本投入要素，对保障粮食生产安全具有重要作用。此外，化肥施用带来的种植业氮磷流失已经成为国内外水环境污染的主要来源之一。因此，精准的化肥施用量数据是农业养分管理和环境保护研究的基础。然而，由于不同地区统计口径和数据公开程度存在差异，获取可靠的化肥施用量数据十分困难，特别是县级或更小空间尺度上的化肥数据更加难以获取，这极大地阻碍了农业化肥管理和研究工作的开展。
2、当前针对化肥使用量的预测方法主要有两类：一是采用相关法将大空间尺度的化肥使用量分配到小尺度上，例如根据县耕地面积占全省的比例，将省级的化肥使用量分配到县级单元上，该方法的主要优点是操作简单，但影响化肥施用量的因素众多，单一的耕地占比因素难以解释化肥施用量变化，因此该方法误差较大；另一类方法是采用多元线性回归法，建立化肥施用量与影响因素的响应模型，根据影响因素预测化肥使用量，该方法的预测精度相对较高，但是多元线性回归对样本的统计分布具有严格要求，此...
【技术保护点】
1.一种基于机器学习的化肥施用量预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，收集有资料区的化肥施用量和预测变量作为模型构建的基本样本，包括：
3.根据权利要求1所述的方法，其特征在于，基于所述基本样本，对随机森林模型进行训练，并对特征值进行重要性排序，包括：
4.根据权利要求1所述的方法，其特征在于，根据重要性排序的结果，优选预测变量，重新训练随机森林模型，包括：
5.根据权利要求1所述的方法，其特征在于，将无资料区的预测变量输入重新训练后的随机森林模型中，预测区域化肥施用量，包括：
<...【技术特征摘要】
1.一种基于机器学习的化肥施用量预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，收集有资料区的化肥施用量和预测变量作为模型构建的基本样本，包括：
3.根据权利要求1所述的方法，其特征在于，基于所述基本样本，对随机森林模型进行训练，并对特征值进行重要性排序，包括：
4.根据权利要求1所述的方法，其特征在于，根据重要性排序的结果，优选预测变量，重新训练随机森林模型，包括：
5.根据权利要求1所述的方法，其特征在于，将无资料区的预测变量输入重新训练后的随机森林模型中，预...
【专利技术属性】
技术研发人员：高伟，段仲昭，吴东少，张远，郭芬，
申请(专利权)人：广东工业大学，
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。