[發明專利]葉面積指數時間序列重建方法、裝置、設備及存儲介質

在審

• 申請號: 202010559666.6
• 申請日: 2020-06-18
• 公開（公告）號: CN111723328A
• 公開（公告）日: 2020-09-29
• 發明（設計）人: 李靜;朱欣然;柳欽火;趙靜;董亞冬
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G06F17/10
• 分類號: G06F17/10
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 薛嬌

1.一種葉面積指數時間序列重建方法，其特征在于，包括：

獲取與待預測葉面積指數的第t個時刻相鄰的第t'個時刻的葉面積指數和影響因子，所述影響因子至少包括氣象數據；所述第t'個時刻為第t+1個時刻，和/或，第t-1個時刻；

根據所述第t'個時刻的葉面積指數和影響因子預測所述第t個時刻的葉面積指數。

2.根據權利要求1所述的方法，其特征在于，獲取第t'個時刻的葉面積指數和影響因子的過程，包括：

根據所述第t個時刻在所述葉面積指數時間序列中的位置，以及所述第t個時刻與其它缺失葉面積指數的時刻的相對位置關系，獲取第t+1個時刻的葉面積指數和影響因子和/或獲取第t-1個時刻的葉面積指數和影響因子。

3.根據權利要求2所述的方法，其特征在于，所述根據所述第t個時刻在所述葉面積指數時間序列中的位置，以及所述第t個時刻與其它缺失葉面積指數的時刻的相對位置關系，獲取第t+1個時刻的葉面積指數和影響因子和/或獲取第t-1個時刻的葉面積指數和影響因子，包括：

若所述第t個時刻為所述葉面積指數時間序列的初始時刻，或者，所述第t個時刻為從所述初始時刻開始連續缺失葉面積指數的N個時刻中的一個時刻，則獲取第t+1個時刻的葉面積指數和影響因子；

若所述葉面積指數時間序列在第t+1時刻和第t-1個時刻的葉面積指數均未缺失，或者，所述第t個時刻為連續缺失葉面積指數的M個時刻中的一個時刻，所述M個時刻不包括所述葉面積指數時間序列的初始時刻和終止時刻，則獲取第t+1個時刻的葉面積指數和影響因子，以及第t-1個時刻的葉面積指數和影響因子；

若所述第t個時刻為所述葉面積指數時間序列的終止時刻，或者，所述第t個時刻為連續缺失葉面積指數的P個時刻中的一個時刻，所述P個時刻包括所述終止時刻，則獲取第t-1個時刻的葉面積指數和影響因子。

4.根據權利要求3所述的方法，其特征在于，所述根據所述第t'個時刻的葉面積指數和影響因子預測所述第t個時刻的葉面積指數，包括：

若所述第t個時刻為所述葉面積指數時間序列的初始時刻，或者，所述第t個時刻為從所述初始時刻開始連續缺失葉面積指數的N個時刻中的一個時刻，則：

將所述第t+1個時刻的葉面積指數和影響因子輸入預先訓練好的逆向重建模型，得到所述第t個時刻的葉面積指數預測值。

5.根據權利要求3所述的方法，其特征在于，所述根據所述第t'個時刻的葉面積指數和影響因子預測所述第t個時刻的初始葉面積指數，包括：

若所述葉面積指數時間序列在第t+1時刻和第t-1個時刻的葉面積指數均未缺失，則：

將所述第t+1個時刻的葉面積指數和影響因子輸入預先訓練好的逆向重建模型，得到所述第t個時刻的逆向葉面積指數預測值；將所述第t個時刻的逆向葉面積指數預測值和影響因子輸入所述逆向重建模型，得到所述第t-1個時刻的逆向葉面積指數預測值；

將所述第t-1個時刻的葉面積指數和影響因子輸入預先訓練好的正向重建模型，得到所述第t個時刻的正向葉面積指數預測值；將所述第t個時刻的正向葉面積指數預測值和影響因子輸入所述正向重建模型，得到所述第t+1個時刻的正向葉面積指數預測值；

根據所述第t-1個時刻的逆向葉面積指數預測值和所述第t-1個時刻未缺失的葉面積指數確定所述逆向重建模型的重建誤差，利用所述第t+1個時刻的正向葉面積指數預測值和所述第t+1時刻的未缺失的葉面積指數確定所述正向重建模型的重建誤差；

根據所述逆向重建模型的重建誤差和所述正向重建模型的重建誤差，利用所述第t個時刻的逆向葉面積指數預測值和所述第t個時刻的正向葉面積指數預測值確定所述第t個時刻的葉面積指數預測值。