[發明專利]一種對農作物產量預測的混合方法

在審

• 申請號: 202111101601.8
• 申請日: 2021-09-18
• 公開（公告）號: CN114004389A
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 陳勇;張鵬;朱芳軍;劉念
• 申請（專利權）人: 蘇州憨云智能科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06K9/62;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種對農作物產量預測的混合方法，其特征在于步驟如下：

農作物數據集獲取：加載與多種農作物對應的多種特征參數數據；所述特征數據包括與設定農作物對應的土壤pH、土壤養分、溫度、相對濕度、光照、肥料、降雨量、面積中的一個或多個，標簽為作物產量；

數據包加載：加載SVM算法使用的sklearn包、加載RNN與LSTM網絡使用的keras包；

數據分集：將加載的數據集分為訓練集、測試集，訓練集、測試集中無重復數據，所述訓練集、測試集的合并數集小于等于數據集；

預測模型構建：利用訓練集數據先通過LSTM、RNN并行執行、再應用機器學習SVM算法初步完成預測模型的構建；

預測模型的復檢：在初步完成的預測模型中輸入測試集的特征數據，根據預測模型輸出的作物產量值與真實產量值的差值比與預設差值比比較，判斷預測模型的準確度；

預測模型重復學習：差值比大于設定值時人工干預調整學習算法；差比值小于設定值時利用應用SVM算法和LSTM、RNN自行通過學習調整算法/參數或/和擴大農作物數據集，進一步優化預測模型；

預測模型的復檢、預測模型重復學習步驟循環進行直至達到設定預測精確度得到預測模型。

2.如權利要求1所述對農作物產量預測的混合方法,其特征在于：所述農作物數據集獲取、所述數據包加載之間設置有作物產量聚類分析，即使用K-Means對作物產量進行聚類分析。

3.如權利要求2所述對農作物產量預測的混合方法,其特征在于：數據包加載、數據分集之間還包括數據預處理，所述數據預處理是利用最大最小值歸一化算法對數據進行數據預處理，見式(1)。

x_norm＝(x-x_min)/(x_max-x_min) (1)

其中，x_norm為歸一化之后的數據值，x為當前數據值，x_min為數據最小值，x_max為數據最大值。

4.如權利要求1所述對農作物產量預測的混合方法,其特征在于：所述特征數據還包括市場供求量、作物單位價格、作物單位成本中的一個或多個，使預測模型根據作物產量預測出供應量/種植利潤。

5.如權利要求1所述對農作物產量預測的混合方法,其特征在于：所述SVM算法的具體執行步驟如下：

步驟1：加載輸入數據；

步驟2：從數據集中選擇所需數量的要素；

步驟3：選取徑向基核函數(Radial Basis Function,RBF)，利用原始數據繪制SVM邊界；

步驟4：定義正則化參數的值；

步驟5：生成支持向量機分類器的目標。

6.如權利要求1所述對農作物產量預測的混合方法,其特征在于：LSTM的具體執行步驟如下，

步驟1：在Keras中定義一個層次序列形式的神經網絡；

步驟2：編譯需要各種指定參數的網絡；

步驟3：擬合需要指定訓練數據的網絡，包括輸入模式矩陣X和匹配輸出模式數組y；

步驟4：通過訓練集和測試集訓練網絡模型后，使用驗證集對網絡模型進行驗證；

步驟5：根據網絡輸出層給出的格式進行所需的預測。

7.如權利要求6所述對農作物產量預測的混合方法,其特征在于：所述驗證集包括垃圾值。