[发明专利]一种农作物产量预测方法及系统

权利要求书

1.一种农作物产量预测方法，其特征在于，包括：

根据待预测地区的待预测农作物确定影响其产量的至少一个自然因素指标；

对所述自然因素指标分别进行量化，以得到至少一个量化指标；

采用层次分析法分别确定所述量化指标相对于产量的权重系数：

基于分位数回归构建产量模型；

将所述量化指标作为所述产量模型的协变量，利用所述量化指标、所述权重系数和所述待预测农作物的历史产量训练所述产量模型的响应变量；

将待预测地区的天气数据输入至训练好的所述产量模型中，预测所述待预测地区中待预测农作物的产量。

2.根据权利要求1所述农作物产量预测方法，其特征在于，所述自然因素指标X的量化方法为：

其中，X_min为待预测地区自然因素指标的历史最小值，X_max为待预测地区自然因素指标的历史最大值。

3.根据权利要求1所述农作物产量预测方法，其特征在于，所述采用层次分析法分别确定所述量化指标相对于产量的权重系数具体包括：

建立层次结构模型；所述层次结构模型包括目标层和准则层，所述目标层用于确定所有量化指标对产量的综合影响程度，所述准则层包括所述待预测农作物对应的量化指标；

逐项选择任意两个量化指标，对选中的所述两个量化指标的重要性进行比较，根据所有比较结果构建判断矩阵；

对所述判断矩阵进行一致性检验；

当所述一致性检验通过时，根据所述判断矩阵计算所述准则层中量化指标相对于所述目标层的所述权重系数。

4.根据权利要求3所述农作物产量预测方法，其特征在于，所述根据所述判断矩阵计算所述准则层中量化指标相对于所述目标层的所述权重系数具体包括以下至少一种方法：

算术平均法；将所述判断矩阵按列进行归一化处理；将归一化的各列按行相加；将相加后得到的向量中的每个元素除以n，n为判断矩阵的行数或列数，以得到所述权重系数；

几何平均法；将所述判断矩阵的元素按照行相乘得到一个新的列向量；将所述新的列向量的每个分量开n次方；对开方后的列向量进行归一化，以得到所述权重系数；

特征值法；求出所述判断矩阵的最大特征值以及对应的特征向量，对所述特征向量进行归一化，以得到所述权重系数。

5.根据权利要求1所述农作物产量预测方法，其特征在于，所述产量模型为：

y_i(t_j)＝θ_iB(t_j)+ψ_iB(t_j)ε_i(t_j)；

其中，y_i(t_j)为在离散点t_j，j＝1，...，m处得到的农作物产量，i＝1，...，n，n、m均为整数；β和α是系数矩阵，为不同的自然因素指标值，ξ_i～N(0，Λ)；B(t_j)是K个基函数的有限和；ε_i(t)是误差项。

6.一种农作物产量预测系统，其特征在于，包括：

指标单元：用于根据待预测地区的待预测农作物确定影响其产量的至少一个自然因素指标，对所述自然因素指标分别进行量化，以得到至少一个量化指标，采用层次分析法分别确定所述量化指标相对于产量的权重系数：

产量模型单元：用于基于分位数回归构建产量模型，将所述量化指标作为所述产量模型的协变量，利用所述量化指标、所述权重系数和所述待预测农作物的历史产量训练所述产量模型的响应变量；

预测单元：用于将待预测地区的天气数据输入至训练好的所述产量模型中，预测所述待预测地区中待预测农作物的产量。

7.根据权利要求6所述农作物产量预测系统，其特征在于，所述自然因素指标X的量化方法为：

其中，X_min为待预测地区自然因素指标的历史最小值，X_max为待预测地区自然因素指标的历史最大值。