[发明专利]一种基于机器学习的作物产量预测方法

摘要

本发明为一种基于机器学习的作物产量预测方法，利用作物生长周期内的气候特征，通过机器学习，建立起气候特征与作物产量之间的关联性，利用历史数据对不同的学习模型进行训练，结合当前的气象信息特征对当年产量做出预测，有助于农业从业人员及时了解产量信息，为农业生产决策提供依据。集成使用三种不同的机器学习分类算法对作物产量分别进行预测，并对预测结果进行集成判决，以减少单个学习算法鲁棒性差的问题，提高预测结果的正确率与可信度。易可实现更加及时、准确的产量预测，为实现粮食产量生产与决策提供必要的技术支撑。

主权项

1.一种基于机器学习的作物产量预测方法，其特征在于，包括如下步骤：步骤1，获取历史气象特征数据；步骤2，对特征数据进行简单预处理：按照特征数据的大小关系划分等级，再根据等级把特征数据送入特征选择模型，该模型选择出特征数据里对产量预测结果影响较大的特征数据，这些数据被称为关键特征；步骤3，获取历史作物产量分类：按照实际产量与线性预测产量的大小关系，分为正常和减产两类；步骤4，搭建集成算法模型：将关键特征划分为两部分，分别用于训练和测试，将训练数据输入到集成分类模型中，使用留一预测法进行历年产量的预测；步骤5，调节参数，优化模型：观察使用默认参数的集成算法模型的预测结果，判断预测结果是否理想，再决定是否采用网络搜索法进行调整参数，得到理想参数；步骤6，对于理想参数在集成算法模型中再次预测，其预测结果为最终作物产量预测结果，用于实际分析和使用。