一种基于人工智能和历史数据的农作物产量预测方法与流程

本发明涉及农作物产量预测，具体涉及一种基于人工智能和历史数据的农作物产量预测方法。

背景技术：

1、本节中的陈述仅提供与本公开相关的背景信息，并且可能不构成现有技术。

2、农作物产量的高低，直接关系到粮食安全。目前针对农作物产量的预测方法，主要包括两个方面，一方面是基于环境变化进行农作物产量预测，该方法虽然符合农作物品种的整体生长规律，但忽略了农作物的实际生长状态，对于农作物产量只能进行初步估算，预测准确度一般；而另一方面是基于多时相遥感影像，结合预测模型进行预测，该方法虽然考虑了农作物的实际生长状态，但并未与环境变化进行关联。

3、虽然上述两种方法均可用于农作物产量的预测，但各自考虑的因素种类较为单一，导致预测准确度都不高。

技术实现思路

1、本发明的目的在于：针对目前用于农作物产量的预测方法，由于各自考虑的因素种类较为单一，导致预测准确度都不高的问题，提供了一种基于人工智能和历史数据的农作物产量预测方法，将环境变化和农作物自身生长状态进行紧密关联，进行农作物产量的预测，大大提高了农作物产量的预测准确度，从而解决上述问题。

2、本发明的技术方案如下：

3、一种基于人工智能和历史数据的农作物产量预测方法，包括：

4、步骤s1：获取待预测区域的农作物当前状态数据，并基于农作物当前状态数据，通过产量预测模型得到预测产量；

5、步骤s2：获取待预测区域的环境数据，并基于环境数据，在大数据库中进行匹配得到预测产量；

6、步骤s3：在预测产量和预测产量的基础上，结合预设的权重 x和权重 y，得到预测产量。

7、进一步地，所述产量预测模型的建立过程如下：

8、步骤a：从大数据平台中，获取农作物在生长周期内各时间点的原始状态信息；

9、步骤b：从待预测区域的样本农作物历史生长数据中，获取待预测区域内农作物在生长周期内各时间点的样本状态信息；

10、步骤c：基于待预测区域内农作物在生长周期内各时间点的样本状态信息，对农作物在生长周期内各时间点的原始状态信息进行修正，获得待预测区域内农作物在生长周期内各时间点的标准状态信息。

11、进一步地，所述状态信息是由杆径、杆高、叶片尺寸、叶片颜色、是否结果、果实尺寸、果实颜色组成的集合，表示为：

12、

13、其中：

14、为杆径；为杆高；为叶片尺寸；为叶片颜色；是表示结果；否表示未结果；为叶片尺寸；为叶片颜色。

15、进一步地，所述修正，包括：

16、若样本状态信息与原始状态信息之间的偏差在5%以内，将原始状态信息作为标准状态信息；

17、若样本状态信息与原始状态信息之间的偏差在5%~10%，将样本状态信息与原始状态信息的平均值作为标准状态信息；

18、若样本状态信息与原始状态信息之间的偏差大于10%，将样本状态信息作为标准状态信息。

19、进一步地，所述步骤s1，包括：

20、步骤s11：获取待预测区域的三维图像数据；

21、步骤s12：从三维图像数据中，提取出农作物的状态信息；

22、步骤s13：将农作物的状态信息作为输入，通过产量预测模型判定并输出农作物的生长状态；

23、步骤s14：基于判定的农作物的生长状态，结合待预测区域的样本农作物历史产量数据，得到预测产量。

24、进一步地，所述步骤s13，包括：

25、步骤s131：将农作物的状态信息输入产量预测模型，匹配相对应的标准状态信息；

26、步骤s132：根据匹配到的标准状态信息逆向确定农作物所处的时间点；

27、步骤s133：根据逆向确定农作物所处的时间点与农作物实际所处的时间点，确定农作物的生长状态。

28、进一步地，所述步骤s133，包括：

29、当逆向确定农作物所处的时间点早于农作物实际所处的时间点，判断农作物生长慢；

30、当逆向确定农作物所处的时间点与农作物实际所处的时间点重合，判断农作物生长正常；

31、当逆向确定农作物所处的时间点晚于农作物实际所处的时间点重合，判断农作物生长快。

32、进一步地，所述步骤s14，包括：

33、步骤s141：将待预测区域内农作物历史产量数据按照从高到低进行排序；

34、其中，前1/3为当农作物生长快时待预测区域内农作物历史产量；

35、中间1/3为当农作物生长正常时待预测区域内农作物历史产量；

36、后1/3为当农作物生长慢时待预测区域内农作物历史产量；

37、步骤s142：对、、通过如下公式求平均，得到、、；

38、，，；

39、步骤s142：将步骤s13中确定的农作物的生长状态与、、进行匹配，从而得到预测产量。

40、进一步地，所述环境数据包括：温度、光照强度、空气中二氧化碳浓度、植物受光面积、土壤肥料含量；

41、所述步骤s2，包括：

42、步骤s21：获取待预测区域的环境数据；

43、步骤s22：根据环境数据，在大数据平台中进行匹配，将匹配结果所对应的农作物产量作为预测产量。

44、进一步地，所述步骤s3中的权重的确定规则如下：

45、若步骤s13确定的农作物生长状态为农作物生长慢，则预测产量的权重 x=0.6，预测产量的权重 y=0.4；

46、若步骤s13确定的农作物生长状态为农作物生长正常，则预测产量的权重 x=0.5，预测产量的权重 y=0.5；

47、若步骤s13确定的农作物生长状态为农作物生长快，则预测产量的权重 x=0.6，预测产量的权重 y=0.5；

48、所述预测产量通过如下公式计算：

49、。

50、与现有的技术相比本发明的有益效果是：

51、一种基于人工智能和历史数据的农作物产量预测方法，首先获取待预测区域的农作物当前状态数据，并基于农作物当前状态数据，通过产量预测模型得到预测产量；然后获取待预测区域的环境数据，并基于环境数据，在大数据库中进行匹配得到预测产量；最后在预测产量和预测产量的基础上，结合预设的权重 x和权重 y，得到预测产量；该方法在农作物产量预测过程中，同时将农作物当前状态数据和环境数据作为考虑因素，并将两者进行深度关联，大大提高了农作物产量预测的准确度。