[發明專利]一種農業大棚生產的在線預測方法及系統

在審

• 申請號: 202011371236.8
• 申請日: 2020-11-30
• 公開（公告）號: CN112668394A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 陳桂友;王曉彤;席斌
• 申請（專利權）人: 山東大學;濟南濱博電子科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q10/04;G06Q50/02;G01D21/02
• 代理公司: 濟南圣達知識產權代理有限公司 37221
• 代理人: 李圣梅

1.一種農業大棚生產的在線預測方法，其特征在于，包括：

獲取農業大棚生產的歷史數據，并采集農業大棚生產的實時數據；

對歷史數據及實時數據進行歸一化處理，并根據經緯度信息對歷史數據進行類別編碼處理后獲得訓練樣本數據；

采用下采樣的方式處理訓練樣本數據，將一小時內采集到訓練樣本數據的中位數傳入在線模型中訓練，獲得訓練好的在線模型；

將實時數據輸入訓練好的在線模型獲得預測數據；

根據預測數據調節農業大棚生產的各項環境參數指標。

2.如權利要求1所述的農業大棚生產的在線預測方法，其特征在于，所述在線模型采用在線LightGBM學習機制，將已被預測且產生真實效果的記錄重新作為訓練集，用于下一個時段的預測，有針對性地給出預測結果。

3.如權利要求1所述的農業大棚生產的在線預測方法，其特征在于，所述獲取農業大棚生產的歷史數據包括農作物的生長歷史數據和預測歷史數據，生長歷史數據包括農作物的種類以及其生長期，以及與生長期對應的土壤溫濕度、空氣溫濕度、光照和二氧化碳濃度數據。

4.如權利要求2所述的農業大棚生產的在線預測方法，其特征在于，所述在線模型為在線LightGBM回歸模型，可為基于在線FTL的LightGBM模型或基于在線學習FTRL的LightGBM模型；

所述基于在線FTL的LightGBM模型為

其中R_tj是回歸樹對應的葉子節點區域，j＝1,2,3...J,其中J為回歸樹葉子節點的個數，c_tj為第t次迭代第j個葉子節點的權重，i代表第i輪迭代，t代表最終迭代輪數。

5.如權利要求4所述的農業大棚生產的在線預測方法，其特征在于，基于在線學習FTRL的LightGBM模型為：

其中，{(x₁,y₁),...,(x_m,y_m)}是輸入樣本訓練集，L是損失函數，W(c)為正則化函數,R_tj是回歸樹對應的葉子節點區域，j＝1,2,3...J,其中J為回歸樹葉子節點的個數，c_tj為第t次迭代第j個葉子節點的權重。

6.如權利要求1所述的農業大棚生產的在線預測方法，其特征在于，還包括將實時數據與在線模型的預測值相比較，將其產生的偏差數值進行PID處理，從而穩定的調節輸出量。

7.如權利要求1所述的農業大棚生產的在線預測方法，其特征在于，所述對歷史數據及實時數據進行歸一化處理，并根據經緯度信息對歷史數據進行類別編碼處理，獲得訓練樣本數據包括，通過Geohash編碼技術對經緯度進行處理，提高特征的泛化能力。

8.一種農業大棚生產的在線預測系統，其特征在于，包括：

數據采集模塊：獲取農業大棚生產的歷史數據，并采集農業大棚生產的實時數據；

數據處理模塊：對歷史數據及實時數據進行歸一化處理，并根據經緯度信息對歷史數據進行類別編碼處理，獲得訓練樣本數據；

訓練模塊：采用下采樣的方式處理訓練樣本數據，將一小時內采集到訓練樣本數據的中位數傳入在線模型中訓練，獲得訓練好的在線模型；

預測數據獲取模塊：將實時數據輸入訓練好的在線模型獲得預測數據；

參數調節模塊：根據預測數據調節農業大棚生產的各項環境參數指標。

9.一種計算機可讀存儲介質，用于存儲計算機指令，其特征在于，所述計算機指令被處理器執行時，完成如權利要求1-7任一所述的農業大棚生產的在線預測方法。

10.一種電子設備，其特征在于，包括存儲器和處理器以及存儲在存儲器上并在處理器上運行的計算機指令，所述計算機指令被處理器運行時，完成如權利要求1-7任一所述的農業大棚生產的在線預測方法。