[发明专利]一种农作物产量的预测方法和系统

权利要求书

1.一种农作物产量的预测方法，其特征在于，包括：

根据预设触发操作获取预测初始数据，其中，所述预测初始数据包括当前农作物的类型、预测地区、历史数据时间段以及预测网络模型的输入变量；

基于所述预测初始数据确定用于进行当前农作物产量预测的待训练的预测网络模型的训练数据；

根据所述训练数据对所述待训练的预测网络模型进行训练，以得到用于进行当前农作物产量预测的预测网络模型；

基于所述训练好的预测网络模型对所述当前农作物进行产量预测。

2.根据权利要求1所述的预测方法，其特征在于，所述预测初始数据还包括当前农作物的产量预测时间段。

3.根据权利要求1所述的预测方法，其特征在于，所述预测网络模型的输入变量包括历史气象数据和物质投入数据，其中，所述历史气象数据包括温度变量、降水量变量和光照时长变量中的至少一项，所述物质投入数据包括化肥投入变量、农药投入变量、种子投入变量、机械投入变量和劳动力投入变量中的至少一项。

4.根据权利要求1所述的预测方法，其特征在于，所述基于所述预测初始数据确定用于进行当前农作物产量预测的待训练的预测网络模型的训练数据，包括：

根据所述当前农作物的类型和历史数据时间段确定所述当前农作物的历史数据库；

根据所述预测网络模型的输入变量以及历史数据库，确定用于进行当前农作物产量预测的待训练的预测网络模型的训练数据。

5.根据权利要求1所述的预测方法，其特征在于，在基于所述预测初始数据确定用于进行当前农作物产量预测的待训练的预测网络模型的训练数据之后，还包括：

对所述训练数据进行数据预处理，其中，所述数据预处理包括异常值检测、数据填充和拆分、数据转换以及数据归一化中的至少一项。

6.根据权利要求5所述的预测方法，其特征在于，对所述训练数据进行数据填充，包括：

当判断训练数据中所述预测地区的当前输入变量的当前值不存在时，判断是否存在所述预测地区的下位地区的当前输入变量的当前值；

若是，则根据各个下位地区的当前变量的当前值进行数据叠加，从而得到预测地区的当前输入变量的值。

7.根据权利要求5所述的预测方法，其特征在于，对所述训练数据进行数据拆分，包括：

当判断训练数据中所述预测地区的当前输入变量的当前值不存在时，判断是否存在所述预测地区的上位地区的当前输入变量的当前值；

若是，则根据所述预测地区和上位地区的当前输入变量的历史值的对应关系，对所述上位地区的当前输入变量的当前值进行拆分，以得到所述预测地区的当前输入变量的当前值。

8.根据权利要求1-7任一所述的方法，其特征在于，所述预测网络模型为长短期记忆网络模型。

9.根据权利要求8所述的方法，其特征在于，所述长短期记忆网络模型包括依次连接的预设数量的长短期记忆子网络；

其中，基于所述训练好的预测网络模型对所述当前农作物进行产量预测，包括：

将所述当前农作物的训练数据根据时间信息划分为预设数量的数据组；

将所述预设数量的数据组，基于时间信息分别输入至所述预测网络模型的长短期记忆子网络中，得到所述预测网络模型对当前农作的产量预测结果。

10.一种农作物产量的预测系统，其特征在于，包括：

初始数据获取模块，用于根据预设触发操作获取预测初始数据，其中，所述预测初始数据包括当前农作物的类型、预测地区、历史数据时间段以及预测网络模型的输入变量；

训练数据确定模块，用于基于所述预测初始数据确定用于进行当前农作物产量预测的待训练的预测网络模型的训练数据；

网络模块训练模块，用于根据所述训练数据对所述待训练的预测网络模型进行训练，以得到用于进行当前农作物产量预测的预测网络模型；

产量预测模块，用于基于所述训练好的预测网络模型对所述当前农作物进行产量预测。