买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：河北省农林科学院农业信息与经济研究所

摘要：本发明涉及数据处理技术领域，具体涉及一种基于小麦产量预估的多模型融合方法。该方法包括：获取每块地的当前环境特征序列、当前生物量序列、历史环境特征序列、历史生物量序列；获取每种当前环境特征序列对应的时变重要性因子；利用时变重要性因子对当前环境特征序列进行优化，获得优化环境特征序列；获取优化环境特征序列中每段数据对应的环境敏感度因子；利用环境敏感度因子对优化环境特征序列进行优化，获取第一优化环境特征序列；将每块地的各种第一优化环境特征序列和当前生物量序列进行组合，并依据组合结果对各块地进行分类；获取每个种类的地的产量预测模型，进行小麦产量的预测。本发明能够提高小麦产量预测的准确性。

主权项：1.一种基于小麦产量预估的多模型融合方法，其特征在于，该方法包括：获取每块地小麦当前生长期和历史生长期的环境特征数据和生物量数据，分别组成当前环境特征序列、当前生物量序列、历史环境特征序列、历史生物量序列；根据每种当前环境特征序列与当前生物量序列的皮尔逊相关性系数，以及每种历史环境特征序列与历史生物量序列的皮尔逊相关性系数，获取每种当前环境特征序列对应的时变重要性因子；利用时变重要性因子对当前环境特征序列进行优化，获得优化环境特征序列；对优化环境特征序列进行均匀分段；获取分段后的优化环境特征序列中每段数据的斜率；根据所述斜率获取优化环境特征序列中每段数据对应的环境敏感度因子；利用环境敏感度因子对优化环境特征序列进行优化，获取第一优化环境特征序列；将每块地的各种第一优化环境特征序列和当前生物量序列组合成分类依据集合；利用分类依据集合对各块地进行分类；获取每个种类的地的产量预测模型，进行小麦产量的预测；所述时变重要性因子为： ，其中，表示第i种当前环境特征序列对应的时变重要性因子；表示第i种当前环境特征序列与当前生物量序列的皮尔逊相关系数；表示距离当前生长期t年的第i种历史环境特征序列与历史生物量序列的皮尔逊相关系数；T表示历史生长期距离当前生长期的最大年数；表示时间衰减因子；表示环境特征数据的种类数；所述根据所述斜率获取优化环境特征序列中每段数据对应的环境敏感度因子，包括：计算优化环境特征序列中每段数据的标准差和平均值的比值，作为每段数据对应的变化率；根据优化环境特征序列中每段数据的变化率和斜率的绝对值得到每段数据对应的环境敏感度因子，计算公式为：，其中，表示第i种当前环境特征序列对应的优化环境特征序列中第p段数据对应的环境敏感度因子；表示第i种当前环境特征序列对应的优化环境特征序列中第p段数据的斜率的绝对值的归一化值；表示第i种当前环境特征序列对应的优化环境特征序列中第p段数据的变化率的归一化值；所述第一优化环境特征序列的计算公式为： ，其中，表示第i种当前环境特征序列对应的第一优化环境特征序列；表示权重系数；表示第i种当前环境特征序列对应的优化环境特征序列；表示第i种当前环境特征序列对应的优化环境特征序列中第p段数据对应的环境敏感度因子。

全文数据：

权利要求：

百度查询： 河北省农林科学院农业信息与经济研究所 一种基于小麦产量预估的多模型融合方法