[发明专利]一种基于机器学习的作物产量预测方法有效
申请号: | 201910715296.8 | 申请日: | 2019-08-05 |
公开(公告)号: | CN110443420B | 公开(公告)日: | 2023-05-09 |
发明(设计)人: | 孙丰刚;兰鹏;陈国庆;张顺航;张凤航;李金泽;宿建坤;彭志颖;李凤迪;宋新财;刘羽嘉;尹明辉 | 申请(专利权)人: | 山东农业大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q50/02;G06F18/2431;G06N20/00 |
代理公司: | 泰安市诚岳专利代理事务所(特殊普通合伙) 37267 | 代理人: | 张聪聪 |
地址: | 271000 *** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
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。 | ||
搜索关键词: | 一种 基于 机器 学习 作物 产量 预测 方法 | ||
【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。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于山东农业大学,未经山东农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201910715296.8/,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06 计算;推算;计数
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理