[发明专利]一种基于组合优化的多块地选种决策优化方法

说明书

本发明公布了一种基于组合优化的多块地选种决策优化方法，针对多块地选种决策问题，构建基于组合优化理论方法的多块地粮食选种决策模型，实现对多块地选种进行决策优化；包括：构建训练样本集；获取影响产量的关键因素；构建神经网络模型并训练；构建训练测试集；通过训练好的神经网络模型得到地块的产量预测值及方差；构建基于组合优化的多块地粮食选种决策优化模型；采用分解式算法求解最优选种比例，得到最优品种及使用比例。本发明用于对粮食种植、选种进行分析与优化，可指导具体地块农业种植、农业种植规划；进一步为宏观农业政策或区域销售与备货策略提供技术支持，具有极大的经济和社会价值。

技术领域

本发明属于数据结构与算法处理技术领域，涉及决策优化方法，具体涉及一种基于组合优化的多块地选种决策优化方法，基于混合整数二次规划方法，构建基于组合优化理论方法的多块地粮食选种决策模型，实现对多块地选种进行决策优化。

背景技术

我国的基本国情决定了国家对于粮食的需求日益增长。同时，我国又面临着较为严峻的粮食安全形势。应对我国的粮食形势，国家采取了一系列增产增收措施。主要措施有几个方面：一是守住“十八亿亩”耕地红线，保证基本农田耕地；二是培育高产作物，提高粮食单产量；三是加强国际合作，保证粮食进口渠道畅通。这都是从生产和提高供给量的角度，来保障国家粮食安全。从提高粮食单产量的角度，将构建种子组合的方式可以利用不同品种的优点、来达到一个更好的产量表现。

将若干个农作物品种混合起来进行种植的方法，可以达到更稳定的产量，这是由农业生产的特性决定的。农业生产的特性决定了，粮食产量有两类关键影响因素：天气，土壤。天气类因素包括温度、光照、降水等，土壤类因素包括粉土、黏土、沙土的比例，土壤的PH值，土壤的有机质含量等。土壤类因素较为稳定，因为每年的轮种、耕种、套种、施肥等措施有效地保证了土壤的基本特征在每年不会有太大变化。而天气类因素则具有变幻莫测的特点，并且长期天气情况具有不可预知性，即很难确定明年某块土地的天气状况。这就决定了粮食的产量往往会随着不确定的天气因素而产生较大的波动。由于不同的农作物品种具备不同的生物学特征，不同品种对于天气有不同的反应，这就可以将对天气反应相反的品种结合起来，这样无论天气如何变化，都可以达到一个较为稳定的产量。这就是用农作物品种组合来对冲农业生产中天气不确定性的原理。

构建粮食的品种组合，具有非常积极和重要的意义，主要表现在以下几点：一是能够将不同品种粮食的优点结合起来，构建出具有更加产量表现的多个品种的混合；二是能够对冲天气的不确定性，将对某个天气因子反应不同的两类品种组合起来，无论明年的天气如何变化，可以达到一个更为稳定的产量，降低产量波动的方差；三是可以通过构建精准农业的量化模型，选择哪些品种被使用、使用多少比例，进而可以找出这块土地上农作物产量在不同天气风险状况下的帕累托最优解；四是可以给农民、农业公司、政府提供不同风险偏好的品种组合选择。

文献[1](Markowitz(1968))记载了组合优化理论，是在证券投资领域提出了一种考虑均值、方差的组合优化模型。将证券投资组合回报率的均值定义为各股票回报率按照其投资权重的加权平均值，将投资组合的方差定义为各股票按照其投资权重的协方差之和。该模型将回报率、回报率的方差合并考虑，通过求解优化模型得到不同风险偏好情况下的最优投资组合。后来，组合优化理论应用到金融投资、半导体制造、农业等领域，有着卓越的应用前景。

对应到农业选种问题，文献[2](Barkley and Peterson(2008))指出，提高农业产量、降低产量波动风险的方式主要有三种：一是培育新品种，将不同品种的优点集合起来，培育出下一代的优良品种；二是将不同品种的种子混合起来进行种植，这样是从物理的方法来达到集合不同品种优点的目的；三是构建品种组合，在同一块土地上分别种植多个品种，利用不同种子对于天气等自然条件的不同反馈，以对冲天气不确定性的方式来达到一个稳定的产量。在文献[3]中，