一种作物产量预报方法与流程

本发明涉及农业作物产量预报，特别涉及一种作物产量预报方法。

背景技术：

1、近年来，农业气象灾害呈现出频率高、强度大、危害重的态势。

2、现有技术中，基于回归统计模型的作物产量气象预报模式，对遥感估产进行了研究，建成了国家级、省级和市(县/区)级的农业气象产量预报业务系统，利用dbaseⅲ和basic语言建立的一套预报服务系统。

3、上述现有技术存在的缺陷是：dbaseⅲ与高级basic语言之间的数据传递，大都是通过将数据压缩成文件来传输的，在实用过程中经常遇到少量参数的传递，使用文件传递数据的方法，会影响程序的运行速度，从而影响作物产量预报的效率。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种作物产量预报方法。

2、本发明实施例提供一种作物产量预报方法，包括：

3、收集气象观测数据与作物数据；

4、对气象观测数据进行相关气象要素分析确定气象因子，对气象因子进行逐步回归分析筛选出关键气象因子；

5、对作物数据进行作物生育期和产量分析，计算出趋势产量；

6、将关键气象因子和趋势产量输入bp神经网络中预报作物产量。

7、另外的，所述气象观测数据包括气温，降水，日照；

8、所述作物数据包括生育期，产量，产量要素。

9、另外的，所述相关气象要素分析包括：根据气温、降水、日照时数和气象灾害对产量的影响，对气温、降水、日照时数、气象灾害和产量各因素进行主成分分析和层次分析，确定出对作物产量有影响的气象因子。

10、另外的，所述计算趋势产量包括：对作物生育期和产量分析得到的结果进行一元一次拟合，得到产量与作物生育期的拟合方程，通过拟合方程计算出趋势产量。

11、另外的，所述bp神经网络为：

12、选用s型传递函数

13、

14、反传误差函数

15、

16、其中，ti为期望输出、oi为网络的计算输出，不断调节权值和阈值使误差函数e达到极小。

17、本发明实施例提供的上述一种作物产量预报方法，与现有技术相比，其有益效果如下：

18、本发明采用逐步回归分析筛选关键气象因子，采用一元一次拟合回归计算趋势产量，通过筛选关键气象因子减少了输入参数的数量，提高了运行速度；将关键气象因子和趋势产量输入bp神经网络中预报作物产量，提高作物产量预报的效率与准确性。

技术特征：

1.一种作物产量预报方法，其特征在于，包括：

2.如权利要求1所述的一种作物产量预报方法，其特征在于，

3.如权利要求1所述的一种作物产量预报方法，其特征在于，所述相关气象要素分析包括：根据气温、降水、日照时数和气象灾害对产量的影响，对气温、降水、日照时数、气象灾害和产量各因素进行主成分分析和层次分析，确定出对作物产量有影响的气象因子。

4.如权利要求1所述的一种作物产量预报方法，其特征在于，所述计算趋势产量包括：对作物生育期和产量分析得到的结果进行一元一次拟合，得到产量与作物生育期的拟合方程，通过拟合方程计算出趋势产量。

5.如权利要求1所述的一种作物产量预报方法，其特征在于，所述bp神经网络为：

技术总结
本发明公开了一种作物产量预报方法，其涉及农业作物产量预报技术领域。包括：收集气象观测数据与作物数据；对气象观测数据进行相关气象要素分析确定气象因子，对气象因子进行逐步回归分析筛选出关键气象因子；对作物数据进行作物生育期和产量分析，计算出趋势产量；将关键气象因子和趋势产量输入BP神经网络中预报作物产量，提高作物产量预报的效率与准确性。本发明通过筛选关键气象因子减少了输入参数的数量，提高了运行速度；将关键气象因子和趋势产量输入BP神经网络中预报作物产量，提高作物产量预报的效率与准确性。

技术研发人员：李秋月,胡琦,陈琦,黄蕾
受保护的技术使用者：北京市气候中心
技术研发日：
技术公布日：2024/12/17