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】
本专利技术涉及虫害监测,具体涉及一种虫害监测预警方法、系统、装置及存储介质。
技术介绍
1、虫害对农林作物和人类生活的危害极大,传统的虫害监测主要是在人工划定区域内调查病虫害信息,通过虫害捕捉器、诱虫灯、生物学监测法等手段检测,并进行记录。
2、但传统的虫害监测通过人工观察计数,所需时间较长,应用不具有普遍性,且均不能准确地区分不同类型虫害和虫害的发生等级,能够提供的信息有限,后续还需要人工进行分析和计算。同时,目前的方法都只能获取到当下时刻点的虫害数量,无法判断未来的虫情发展趋势是好是坏,对虫害的预防没有帮助。
技术实现思路
1、针对现有技术中的缺陷,本专利技术提供一种虫害监测预警方法、系统、装置及存储介质。
2、第一方面,一种虫害监测预警方法,包括:
3、确定监测区域,并获取所述监测区域内的历史虫害数据,根据所述历史虫害数据进行关联度分析;
4、根据关联度分析结果筛选最大虫害影响因子;
5、根据所述最大虫害影响因子基于预先构建的多层次预测模型进行虫害预测,以预测虫害种类及对应数量,并根据虫害预测结果进行监测预警。
6、进一步地,所述确定监测区域,并获取所述监测区域内的历史虫害数据,根据所述历史虫害数据进行关联度分析,具体为:
7、确定监测区域,并获取所述监测区域内的历史虫害数据,所述历史虫害数据包括历史时间段内的虫害种类及对应数量;
8、根据所述历史虫害数据基于灰色关联组合模型计算虫
9、根据所述第一影响因素组和历史虫害数据计算皮尔逊相关系数,并根据皮尔逊相关系数筛选第二影响因素组。
10、进一步地,所述根据关联度分析结果筛选最大虫害影响因子,具体为:
11、根据所述第二影响因素组和历史虫害数据构建数据集,对所述数据集进行数据预处理,将预处理后的数据集划分为训练集和测试集;
12、构建关联模型,将所述训练集和测试集输入至关联模型中进行交叉验证训练,并根据训练结果确定最佳模型权重;
13、根据所述最佳模型权重对第二影响因素组进行筛选,以剔除不合格的虫害影响因素,得到最大虫害影响因子。
14、进一步地,所述根据所述最大虫害影响因子基于预先构建的多层次预测模型进行虫害预测,以预测虫害种类及对应数量,并根据虫害预测结果进行监测预警,具体为:
15、预先构建多层次深度神经网络,以作为预测模型,所述预测模型包括输入层、h-net层、l-net层以及输出层;
16、将所述最大虫害影响因子输入至预测模型的输入层中,并通过h-net层进行影响因素预测,得到虫害影响因素预测值;
17、将所述虫害影响因素预测值输入至l-net层中进行虫害预测,并通过输出层输出虫害种类预测值及对应数量预测值;
18、当所述虫害种类预测值超过预设阈值时,则发出一级监测预警;
19、当所述虫害种类预测值和对应数量预测值均超过预设阈值时,则发出二级监测预警。
20、第二方面,一种虫害监测预警系统,包括
21、关联分析模块:用于确定监测区域,并获取所述监测区域内的历史虫害数据,根据所述历史虫害数据进行关联度分析;
22、筛选模块:用于根据关联度分析结果筛选最大虫害影响因子;
23、监测预警模块:用于根据所述最大虫害影响因子基于预先构建的多层次预测模型进行虫害预测,以预测虫害种类及对应数量,并根据虫害预测结果进行监测预警。
24、进一步地,所述关联分析模块具体用于:
25、确定监测区域,并获取所述监测区域内的历史虫害数据,所述历史虫害数据包括历史时间段内的虫害种类及对应数量;
26、根据所述历史虫害数据基于灰色关联组合模型计算虫害关联度,并根据所述虫害关联度对虫害影响因素进行关联筛选,以获取第一影响因素组;
27、根据所述第一影响因素组和历史虫害数据计算皮尔逊相关系数,并根据皮尔逊相关系数筛选第二影响因素组。
28、进一步地,所述筛选模块具体用于:
29、根据所述第二影响因素组和历史虫害数据构建数据集,对所述数据集进行数据预处理,将预处理后的数据集划分为训练集和测试集;
30、构建关联模型,将所述训练集和测试集输入至关联模型中进行交叉验证训练,并根据训练结果确定最佳模型权重;
31、根据所述最佳模型权重对第二影响因素组进行筛选,以剔除不合格的虫害影响因素,得到最大虫害影响因子。
32、进一步地,所述监测预警模块具体用于:
33、预先构建多层次深度神经网络,以作为预测模型,所述预测模型包括输入层、h-net层、l-net层以及输出层;
34、将所述最大虫害影响因子输入至预测模型的输入层中,并通过h-net层进行影响因素预测,得到虫害影响因素预测值;
35、将所述虫害影响因素预测值输入至l-net层中进行虫害预测,并通过输出层输出虫害种类预测值及对应数量预测值;
36、当所述虫害种类预测值超过预设阈值时,则发出一级监测预警;
37、当所述虫害种类预测值和对应数量预测值均超过预设阈值时,则发出二级监测预警。
38、第三方面,一种虫害监测预警装置,包括处理器、输入设备、输出设备和存储器,所述处理器、输入设备、输出设备和存储器相互连接,其中,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器被配置用于调用所述程序指令,执行如第一方面所述的方法。
39、第四方面,一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如第一方面所述的方法。
40、本专利技术的有益效果体现在:根据历史虫害数据进行关联度分析并筛选出最大虫害影响因子,根据最大虫害影响因子基于多层次预测模型预测虫害种类及对应数量,进而实现不同等级的监测预警,能判断未来的虫害情况,为虫害预防提供数据支撑。
本文档来自技高网...【技术保护点】
1.一种虫害监测预警方法,其特征在于,包括:
2.根据权利要求1所述的一种虫害监测预警方法,其特征在于,所述确定监测区域,并获取所述监测区域内的历史虫害数据,根据所述历史虫害数据进行关联度分析,具体为:
3.根据权利要求2所述的一种虫害监测预警方法,其特征在于,所述根据关联度分析结果筛选最大虫害影响因子,具体为:
4.根据权利要求3所述的一种虫害监测预警方法,其特征在于,所述根据所述最大虫害影响因子基于预先构建的多层次预测模型进行虫害预测,以预测虫害种类及对应数量,并根据虫害预测结果进行监测预警,具体为:
5.一种虫害监测预警系统,其特征在于,包括
6.根据权利要求5所述的一种虫害监测预警系统,其特征在于,所述关联分析模块具体用于:
7.根据权利要求6所述的一种虫害监测预警系统,其特征在于,所述筛选模块具体用于:
8.根据权利要求7所述的一种虫害监测预警系统,其特征在于,所述监测预警模块具体用于:
9.一种虫害监测预警装置,其特征在于,包括处理器、输入设备、输出设备和存储器,所述处理器
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时使所述处理器执行如权利要求1-4任一项所述的方法。
...【技术特征摘要】
1.一种虫害监测预警方法,其特征在于,包括:
2.根据权利要求1所述的一种虫害监测预警方法,其特征在于,所述确定监测区域,并获取所述监测区域内的历史虫害数据,根据所述历史虫害数据进行关联度分析,具体为:
3.根据权利要求2所述的一种虫害监测预警方法,其特征在于,所述根据关联度分析结果筛选最大虫害影响因子,具体为:
4.根据权利要求3所述的一种虫害监测预警方法,其特征在于,所述根据所述最大虫害影响因子基于预先构建的多层次预测模型进行虫害预测,以预测虫害种类及对应数量,并根据虫害预测结果进行监测预警,具体为:
5.一种虫害监测预警系统,其特征在于,包括
6.根据权利要求5所述的一种虫害监测预警系统,其特征在于,所述关联分析模...
【专利技术属性】
技术研发人员:赵亚茹,
申请(专利权)人:天下无虫科技无锡有限公司,
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。