[发明专利]作物产量预测方法、装置、电子设备及介质

说明书

本发明提供了一种作物产量预测方法、装置、电子设备及介质，涉及产量预测技术领域，包括：归一化处理待预测作物原始数据，获取待预测作物特征数据；输入待预测作物特征数据至作物产量预测模型，获取作物产量预测模型输出的产量预测数据；作物产量预测模型是根据所有具备完整维度特征的样本数据训练得到的；所述具备完整维度特征的样本数据是根据生成对抗网络对图网络中节点缺失的缺失维度特征进行数据插补后确定的。本发明利用不同种植地点的不同作物数据之间存在强相关性这一特点，为缺失维度特征的数据插补提供线索依据，进而优化作物产量预测模型，即使在某些作物性状缺失的情况下也能准确预测作物产量，进而提高作物产量预测精度。

技术领域

本发明涉及产量预测技术领域，尤其涉及一种作物产量预测方法、装置、电子设备及介质。

背景技术

作物产量预测对粮食供应链、农业保险、农业政策制定具有重要意义，作物产量预测任务异常复杂，其原因在于产量取决于多种因素，如气象环境、土壤质量、作物本身的性状及其相互作用。目前的预测模型主要是基于作物生长的独立的气象环境，忽略了不同地点之间的气象环境空间相关性及其相互影响，且作物种植数据中的数据缺失问题严重影响作物产量预测的准确性。

发明内容

本发明提供一种作物产量预测方法、装置、电子设备及介质，用以解决现有作物产量预测不够准确的技术问题，本发明通过图网络建立不同种植地点的空间相关性，以填补缺失的性状属性，并实现收获前作物产量的精准预测。

第一方面，本发明提供了一种作物产量预测方法，包括：

归一化处理待预测作物原始数据，获取待预测作物特征数据；

输入所述待预测作物特征数据至作物产量预测模型，获取所述作物产量预测模型输出的产量预测数据；

所述作物产量预测模型是根据所有具备完整维度特征的样本数据训练得到的；

所述具备完整维度特征的样本数据是根据生成对抗网络对图网络中节点缺失的缺失维度特征进行数据插补后确定的；

所述图网络是将所有具备原始维度特征的样本数据的各个维度特征作为节点特征而构建的；

所述所有具备原始维度特征的样本数据至少包括缺失维度特征的样本数据。

根据本发明提供的作物产量预测方法，归一化处理待预测作物原始数据，获取待预测作物特征数据，包括：

获取每一待预测作物原始数据中的所有性状数据以及所有气象数据，计算每一气象数据的平均值以及方差；

将每一性状数据、每一气象数据的平均值和方差作为维度特征，计算每一维度特征与作物产量间的皮尔逊相关系数，并按照皮尔逊相关系数从高至低的顺序对所有维度特征进行排序，获取排序后维度特征；

归一化处理所述排序后维度特征，获取待预测作物特征数据；

所述气象数据包括日最高气温、日平均气温、日最低气温、日温差、日平均地面气压、日平均相对湿度、日降水量、日平均风速、日最大风速、日风力等级以及日日照时数；

所述性状数据包括品种类型、株型、穗型、持绿性、幼苗叶鞘色、轴色，穗腐病、大斑病、灰斑病，株高、穗位高、空杆率、穗长、秃尖长、行粒数、穗柄长度、穗粗以及生育期；