[发明专利]一种基于多参数融合的人工智能虫情预测的方法

说明书

本发明公开了一种基于多参数融合的人工智能虫情预测的方法，通过采用由输入层，输出层以及多个隐层节点互连而成的一种多层网,这种结构使多层前馈网络可在输入和输出间建立合适的线性或非线性关系，这种BP神经网络用于预测未来一年内任意一天，多种害虫的数量发展趋势，实现虫情的实时监测分析，实时计算虫情状态数据，并提供数据不同维度的分析数据以及预警，提前预防虫害，减少虫害损失，并且在采集数据量较大时依然保持高效、准确的预测；同时利用定时采集的外部参数对虫情预测模型进行迭代修正，进一步提高了预测的准确性，提升了病虫害防治水平，服务于绿色农业和有机农业，前景广阔。

技术领域

本发明涉及到智能虫情预测的技术领域，尤其涉及到一种基于多参数融合的人工智能虫情预测的方法。

背景技术

目前在农业领域，虫情监测系统等很多智能化的信息化系统，也使用了物联网、信息化智能化等先进技术，发展速度也快，发挥了重要作用，实现了门不出户，可以监测虫情。也能实时监测到虫情的数据情况，能及时预警、及时杀虫。但大多收集的数据只是对虫情现状的分布情况，比如区域、量、时间的分布，和现有的虫情趋势，而未对数据进一步分析、计算、挖掘出更科学细致的算法，从而预测未来的虫情变化。

病虫害对农作物的影响更是巨大。除了虫灾爆发之后的打药杀灭措施，虫情测报工作更是植保工作中的重中之重，虫情测报信息是否及时、准确有效实施，是保证虫口夺粮效果的关键。我们指导虫情防治一旦错过恰当时机，作物损失就会很大。而虫情监测系统集各种信息化技术于一身，不仅能完成作物病虫害的实时监测和测报，还能够实时传输虫情信息和分析处理虫情信息，让虫情能够准确为用户所知，对作物病虫害及时准确防治起着至关重要的作用。病虫预测预报一直以来都是农业病虫害防治中的重要内容，历来该项工作都受到植保部门的高度重视。而近年来随着科学技术的发展，在虫情监测系统等仪器系统的帮助之下，我国不少地区的虫情监测水平都上了一个新的台阶，有效提高了病虫预测预报的科学性，确保了监控监测数据的准确、可靠及真实有效，也为保障粮食生产安全做出了突出的贡献。

近年来，随着现代计算智能技术的发展，利用BP人工神经网络建立农业预测模型已取得了较好的预测效果。已有利用BP人工神经网络建立的农业预测模型存在的不足：(1)在农业数据采集过程中存在大量由于人为、设备、仪器仪表精度限制等原因导致的误差，现有预测方法对这些误差一般都忽略不计，从而极大的影响了预测模型的稳定性和准确性。(2)利用BP人工神经网络进行预测时，存在着输入因子少时，导致其预测准确性低；输入因子多时，BP人工神经网络运算量大、导致其预测结果得不到收敛。目前基于BP 人工神经网络建立的预测方法，很难有效地解决这一矛盾。

发明内容

本发明的目的在于提供一种基于多参数融合的人工智能虫情预测的方法用于预测未来一年内任意一天，多种害虫的数量发展趋势的技术问题。

一种基于多参数融合的人工智能虫情预测的方法，包括以下步骤：

步骤A，采集获得原始建模数据，选定检测到的害虫数量、检测的时间、所在地的经度、所在地的纬度、所在地的温度、所在地的湿度和所在地的大气压强的各项指标作为模型训练阶段的输入值，选定输入量所对应的那天害虫数量值作为模型训练阶段的期望输出值；

步骤B，根据所述选定输入量和期望输出量，构建BP神经网络模型，所述BP神经网络模型包括三层前馈神经网络结构，分别为输入层、隐含层和输出层，所述输入层的输入指标是所述选定输入量，所述输出层的输出指标为期望输出量；根据实际预测精度要求，设定期望误差E；

步骤C，用当前训练数据训练所述BP神经网络模型；

步骤D，根据当前测得的数据，模型应用，使用所述BP神经网络模型对虫情的发展情况进行预测。

上述的基于多参数融合的人工智能虫情预测的方法，所述输入层、隐含层和输出层均包括与与虫种类相对应的节点。