[發明專利]一種基于數據驅動的烤煙質量效益綜合評價方法及系統

有效

• 申請號: 201910161340.5
• 申請日: 2019-03-04
• 公開（公告）號: CN109993413B
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 熊永華;周浩
• 申請（專利權）人: 中國地質大學（武漢）
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/02
• 代理公司: 武漢知產時代知識產權代理有限公司 42238
• 代理人: 孫妮

1.一種基于數據驅動的烤煙質量效益綜合評價方法，其特征在于，所述烤煙質量效益綜合評價方法包括以下步驟：

S1、從數據庫中獲取烤煙培植過程相關的數據；所述相關數據包括對烤煙培植過程造成影響的影響因素數據以及質量效益評價數據；其中，所述影響因素數據包括氣候環境數據和土壤環境數據；所述質量效益評價數據包括栽培措施數據和用于評述烤煙成熟、采摘后理化表現和產量的質量效益指標數據；

S2、將獲取到的數據分為影響因素數據集I和質量效益評價指標數據集O；其中，所述影響因素數據集I中包括若干項影響因素指標，所述質量效益評價指標數據集O中包括若干項質量評價指標和一項烤煙產量指標；

S3、利用數據預處理算法對獲取到的數據進行預處理，剔除數據中的異常數據和離群數據；

S4、利用主成分分析方法對預處理后的質量效益評價指標數據集O進行分析，得到每項質量評價指標的權重值，并選取權重值較高的一項質量評價指標作為烤煙質量效益評價標準；

S5、根據步驟S4選取的烤煙質量效益評價標準，采用歸一化函數對影響因素數據集I進行歸一化處理；

S6、根據步驟S4選取的烤煙質量效益評價標準，以及步驟S5中對影響因素數據集I處理得到的歸一化結果，通過灰色關聯分析方法研究質量效益評價指標數據集O中各項質、產量評價指標，與烤煙培植影響因素數據集I中各項影響因素指標之間的關聯度；

S7、根據步驟S6得到的關聯度結果，找出具有較大關聯度的影響因素指標；

S8、利用人工神經網絡對各項質量評價指標建立評價模型；其中，以具有較大關聯度的影響因素指標作為評價模型的輸入，與影響因素指標相對應的評價結果作為評價模型的輸出；

S9、結合步驟S8的各項質量評價指標的評價結果和步驟S4中通過主成分分析方法分析得到的每項質量評價指標權重值，對烤煙進行質、產量效益綜合評價。

2.根據權利要求1所述的烤煙質量效益綜合評價方法，其特征在于，步驟S3中利用使用的數據預處理算法為DBSCAN算法。

3.根據權利要求1所述的烤煙質量效益綜合評價方法，其特征在于，步驟S5中，采用的歸一化函數為Z型、拋物線型或S型隸屬函數。

4.根據權利要求1所述的烤煙質量效益綜合評價方法，其特征在于，步驟S6中所述通過灰色關聯分析方法研究質量效益評價指標數據集O中各項質、產量評價指標，與烤煙培植影響因素數據集I中各項影響因素指標之間的關聯度具體為：

S61、將質量效益評價指標數據集O中的任一項質量評價指標作為母序列V_O，將歸一化后的各個影響因素指標作為子序列V_i；

S62、計算各個子序列V_i與母序列V_O中參數之間的關聯系數，計算公式如下：

其中，i、j≥1，且取為整數；K_ij為第i個子序列中第j個參數與母序列中第j個參數之間的關聯系數；ρ為分辨系數，且其取值范圍區間為[0,1]；V_Oj為母序列中的第j個參數值，V_ij為第i個子序列中的第j個參數值；min_i和min_j為在計算|V_Oj-V_ij|而得到序列中，當參數i和j發生變化的時候，從序列|V_Oj-V_ij|中分別取到最小值；max_i、max_j為當參數i和j分別變化的時候，從序列|V_Oj-V_ij|分別取到的最大值；

S63、計算當前質量評價指標和各個影響因素指標之間的關聯度，計算公式如下：

其中，γ_i為第i個影響因素指標的關聯度；n為母序列V_O的長度，即母序列中包含的樣本個數；K_ij為關聯系數；

S64、依次選取質量效益評價指標數據集O中的各項質、產量評價指標，并完成各項質、產量評價指標與影響因素數據集I中各項影響因素指標之間的關聯度計算。