【技术实现步骤摘要】
本申请涉及数据处理，具体而言，涉及一种基于气象网格数据的农作物生长状态模拟方法及系统。
技术介绍
1、随着科技的发展，数据驱动的农业预测模型已经越来越受到重视。这类模型通过收集和分析大量的数据，试图找出影响农作物生长状态和产量的各种因素，以便为农民和农业经营者提供准确的预测。
2、然而，要准确预测农作物的生长状态和产量，仍是一个具有挑战性的任务。这主要是因为农作物的生长状态和产量受到多种气象环境因素的影响，包括温度、湿度、风速、降雨量等，这些因素之间的相互关系复杂，往往需要进行深入的分析和模拟才能得出准确的预测结果。
3、传统的预测方法通常无法考虑所有影响农作物生长的气象环境因素，只能根据一部分因素进行预测，因此其预测结果的准确性有限。此外，这些方法也缺乏有效的工具来处理和分析大量复杂的气象数据，这进一步限制了其预测能力。
技术实现思路
1、为了改善上述问题，本申请提供了一种基于气象网格数据的农作物生长状态模拟方法及系统。
2、第一方面，提供一种基于气象网格数据的农作物生长状态模拟方法，应用于数据模拟系统，所述方法包括：
3、获取气象网格监测信息对应的气象环境要素变量；其中，所述气象环境要素变量用于在若干个农作物生长状态标签下分别进行农作物生长状态模拟，得到目标农作地区在所述若干个农作物生长状态标签下分别对应的农作物生长状态模拟结果；
4、在通过所述若干个农作物生长状态标签分别对应的生长状态模拟算法对所述气象环境要素变量进
5、提取若干个状态模拟原始数据分别对应的状态特征映射关系网之间共享的交叉特征；其中，所述状态特征映射关系网是对所述状态模拟原始数据进行数据特征挖掘所得的；
6、以所述交叉特征对所述若干个状态模拟原始数据进行更新，得到若干个状态模拟更新数据；其中，若干个状态模拟原始数据和若干个状态模拟更新数据之间具有对应性；
7、依据所述若干个状态模拟更新数据生成目标农作地区在所述若干个农作物生长状态标签下分别对应的农作物生长状态模拟结果；其中，若干个农作物生长状态模拟结果用于组合得到所述目标农作地区的农作产量预测结果，所述农作产量预测结果用作人工气象环境参数调整的指导。
8、在一些示例性的技术方案中，所述确定所述若干个农作物生长状态标签分别对应的生长状态模拟算法的状态模拟原始数据，包括：
9、获取农作物生长监测信息，所述农作物生长监测信息是针对所述目标农作地区进行农作物监测所得到的信息，所述农作物生长监测信息用于生成反映所述目标农作地区的所述农作物生长状态模拟结果；
10、以所述农作物生长监测信息为模拟参照，确定所述若干个农作物生长状态标签分别对应的生长状态模拟算法的所述状态模拟原始数据，所述模拟参照用于确定对所述气象环境要素变量进行模拟时的农作物生长趋势特征。
11、在一些示例性的技术方案中，所述获取农作物生长监测信息，包括：
12、获取针对所述目标农作地区监测所得的至少一个数据集作为所述农作物生长监测信息，所述数据集是针对所述目标农作地区基于设定农作物生长状态标签监测所得的结果。
13、在一些示例性的技术方案中，所述提取若干个状态模拟原始数据分别对应的状态特征映射关系网之间共享的交叉特征，包括：
14、对所述若干个状态模拟原始数据分别进行卷积操作，得到与所述若干个状态模拟原始数据分别对应的所述状态特征映射关系网；
15、对若干个状态特征映射关系网进行局部下采样，得到状态牵涉向量，所述状态牵涉向量用于反映若干个状态特征映射关系网之间共享的所述交叉特征。
16、在一些示例性的技术方案中，所述对所述若干个状态模拟原始数据分别进行卷积操作，得到与所述若干个状态模拟原始数据分别对应的所述状态特征映射关系网，包括：
17、对所述若干个状态模拟原始数据分别进行卷积操作，得到与所述若干个农作物生长状态标签分别对应的状态模拟卷积向量；
18、获取所述若干个农作物生长状态标签分别对应的传感监测要素向量，所述传感监测要素向量是基于农作物生长状态标签对应的传感器变量得到的线性向量，所述传感监测要素向量用于反映对应农作物生长状态标签的周期数据，其中若干个传感监测要素向量与若干个状态模拟卷积向量之间具有对应性；
19、依据所述对应性，对相同农作物生长状态标签下的所述状态模拟卷积向量和所述传感监测要素向量进行向量集成，得到与所述若干个状态模拟原始数据分别对应的所述状态特征映射关系网。
20、在一些示例性的技术方案中，所述获取所述若干个农作物生长状态标签分别对应的传感监测要素向量，包括：
21、获取所述若干个农作物生长状态标签分别对应的传感器变量，所述传感器变量用于反映生成对应农作物生长状态模拟结果的传感器分布特征，所述传感器变量包括传感器区域标签和传感器类别标签，所述传感器区域标签用于反映传感器在传感监测特征空间中相对所述目标农作地区的分布，所述传感器类别标签即表征传感器在所述传感监测特征空间中相对所述目标农作地区的监测类别；
22、对若干个传感器变量分别进行预处理，得到与所述若干个传感器变量分别对应的预处理结果，所述预处理结果是在生长监测任务环节内对所述传感器变量进行预处理得到的线性向量；
23、通过设定知识抽取算法对所述预处理结果进行知识要素抽取，得到与所述若干个农作物生长状态标签分别对应的所述传感监测要素向量。
24、在一些示例性的技术方案中，所述对若干个状态特征映射关系网进行局部下采样，得到状态牵涉向量，包括：
25、确定所述若干个状态特征映射关系网分别表征的气象环境影响特征集合，所述气象环境影响特征集合用于反映得到所述状态特征映射关系网时生长监测任务环节内的若干个气象环境影响特征的集合；
26、对若干个气象环境影响特征集合中处于相同特征位置的若干个气象环境影响特征进行焦点化，得到若干个局部聚焦权重；
27、对所述若干个局部聚焦权重进行下采样，得到所述状态牵涉向量。
28、在一些示例性的技术方案中，所述以所述交叉特征对所述若干个状态模拟原始数据进行更新，得到若干个状态模拟更新数据，包括：
29、获取表征所述交叉特征的状态牵涉向量；
30、依据所述若干个状态模拟原始数据分别对应的农作物生长状态标签以及所述状态牵涉向量，得到与若干个农作物生长状态标签分别对应的气象环境关联生长描述向量，所述气象环境关联生长描述向量用于反映所述状态牵涉向量对所述状态模拟原始数据在时序描述层面下的贡献，其中若干个气象环境关联生长描述向量和若干个状态模拟原始数据之间具有对应性；
31、依据所述对应本文档来自技高网...
【技术保护点】
1.一种基于气象网格数据的农作物生长状态模拟方法，其特征在于，应用于数据模拟系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述若干个农作物生长状态标签分别对应的生长状态模拟算法的状态模拟原始数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述提取若干个状态模拟原始数据分别对应的状态特征映射关系网之间共享的交叉特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述若干个状态模拟原始数据分别进行卷积操作，得到与所述若干个状态模拟原始数据分别对应的所述状态特征映射关系网，包括：
5.根据权利要求3所述的方法，其特征在于，所述对若干个状态特征映射关系网进行局部下采样，得到状态牵涉向量，包括：
6.根据权利要求1所述的方法，其特征在于，所述以所述交叉特征对所述若干个状态模拟原始数据进行更新，得到若干个状态模拟更新数据，包括：
7.根据权利要求6所述的方法，其特征在于，所述依据所述若干个状态模拟原始数据分别对应的农作物生长状态标签以及所述状态牵涉向量，得到与若干个农作物生长状
8.根据权利要求6所述的方法，其特征在于，所述依据所述对应性，对相同农作物生长状态标签下的所述气象环境关联生长描述向量和所述状态模拟原始数据进行向量集成，得到所述若干个状态模拟更新数据：
9.根据权利要求1所述的方法，其特征在于，每个农作物生长状态标签各自对应有x个生长状态模拟算法，x为正整数；
10.一种数据模拟系统，其特征在于，所述数据模拟系统包括包括互相之间通信的处理器和存储器，所述处理器用于从所述存储器中调取计算机程序，并通过运行所述计算机程序实现权利要求1-9任一项所述的方法。
...【技术特征摘要】
1.一种基于气象网格数据的农作物生长状态模拟方法，其特征在于，应用于数据模拟系统，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定所述若干个农作物生长状态标签分别对应的生长状态模拟算法的状态模拟原始数据，包括：
3.根据权利要求1所述的方法，其特征在于，所述提取若干个状态模拟原始数据分别对应的状态特征映射关系网之间共享的交叉特征，包括：
4.根据权利要求3所述的方法，其特征在于，所述对所述若干个状态模拟原始数据分别进行卷积操作，得到与所述若干个状态模拟原始数据分别对应的所述状态特征映射关系网，包括：
5.根据权利要求3所述的方法，其特征在于，所述对若干个状态特征映射关系网进行局部下采样，得到状态牵涉向量，包括：
6.根据权利要求1所述的方法，其特征在于，所述以所述交叉特征对所述若干个状态模拟原始数据进行更新，得到若干个状态模拟更新数据，包括：
7.根据权利要求6所述的方法，其特征在于，所述依据所述若干个状态模拟原始数据分别对应的农作物生长状态标签以及所述状态牵涉向量，得到与若干个农作物生长状态标签分别对应的气象...
【专利技术属性】
技术研发人员：白玉，许佳斌，王鑫宇，张岩，黄思佳，
申请(专利权)人：阳光农业相互保险公司，
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。