[发明专利]一种建立有机高粱产量预测模型的方法

说明书

本发明特别涉及一种建立有机高粱产量预测模型的方法。该建立有机高粱产量预测模型的方法，首先将有机高粱的成长周期分为种植初期，成长期和成熟期三个时期，分别构建训练数据集；对三份训练数据集进行预处理和变量筛选，筛选出最重要的特征变量，对模型进行训练；调整模型变量并评测模型的可行性直至达到建模者的要求以及评判参考系数为止；最后，将训练好的不同成长阶段的三份模型分别保存到后台大数据集群中，方便后期用户调用。该建立有机高粱产量预测模型的方法，仅能够针对不同成长阶段对有机高粱产量进行预测模型，提高了预测速度和预测准确度，还能为用户提供预警提示，及时提醒用户采取挽救措施，为有机高粱提供了研判基准和参考。

技术领域

本发明涉及机器学习算法技术领域，特别涉及一种建立有机高粱产量预测模型的方法。

背景技术

有机高粱作为酒厂经常使用酿酒的原料之一，其产量对酒厂的运营至关重要。但是现有对有机高粱预测主要靠专家凭借经验对不同地块根据面积进行产量估计，人为预测结果不是很精确，误差偏差较大。

基于此，本发明提出了一种建立有机高粱产量预测模型的方法。

发明内容

本发明为了弥补现有技术的缺陷，提供了一种简单高效的建立有机高粱产量预测模型的方法。

本发明是通过如下技术方案实现的：

一种建立有机高粱产量预测模型的方法，其特征在于，包括以下步骤：

第一步，构建训练数据集

将有机高粱的成长周期分为种植初期，成长期和成熟期三个时期，并将种植的基础属性，种植时期的自然环境数据和田间管理数据的历史数据作为模型的初始解释变量，将种植地块的历史产量记录作为模型的响应变量，根据有机高粱的成长阶段分别汇总成三份模型训练数据集；

第二步，数据预处理

对三份训练数据集进行预处理，包括观察数据集中的异样数据点，剔除可疑的人为错误录入的信息；

第三步，变量筛选

为了提高模型的稳定程度与预测精度，对预处理完后的数据进行变量筛选，筛选出15个最重要的特征变量，并将特征变量进行共线性问题测试；

第四步，训练模型

将有机高粱产量数设为响应变量，将其他影响有机高粱产量的特征变量作为模型的解释变量，以三份不同成长期的有机高粱的训练数据作为训练数据集对模型进行训练；

第五步，模型诊断

观察以及调整模型变量以及评测模型的可行性，不断循环调整直至达到建模者的要求以及评判参考系数为止；

第六步，模型应用

将训练好的有机高粱产量在种植初期，成长期以及成熟期的三份模型分别保存到后台大数据集群中，方便后期用户调用。

所述第一步中，训练数据集由以下三个部分组成：

种植的基础属性，包括土地的面积、土壤温度、土壤湿度、土壤酸碱度以及特殊化学物质含量信息，通过人工记录以及土壤检测仪的检测获得；

种植时期的自然环境数据，包括近期温度变化，光照时间，以及特殊自然灾害的影响程度，通过本地气象观测站以及地块所在基站来采集获得；

田间管理数据，土地使用肥料量的记录，种子使用量，病虫草害的次数以及农技员现场支持次数，通过现场采集获得。

所述第二步中，当训练数据集中某列特征数据存在空置情况时，若空置列占总列的5％以下，则在空置列中选择填充相应列平均值，否则删除该列特征数据或者人工对空置列进行填充。