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。