[发明专利]一种植物花果生育期起止时间的预报方法

摘要

本发明公开了一种植物花果生育期起止时间的预报方法，其收集植物的花果生育期开始或结束时间的历史资料，包括历年植物的花果生育期开始或结束时间的日序、历年与植物的花果生育期开始或结束时间相关的多个气象因子和物候学因子；根据气象因子和物候学因子确定候选预报因子；根据候选预报因子，从线性模型、非线性模型和混合模型三种模型类型中选择一种模型类型作为预报模型构建类型；根据预报模型构建类型，构建最佳预报模型；根据最佳预报模型对待预报的植物的花果生育期的开始或结束时间进行预报；优点是其能够充分利用长时效的气象要素预报来进行植物花果生育期开始或结束时间的预报，且预报准确性高。

主权项

1.一种植物花果生育期起止时间的预报方法，其特征在于包括以下步骤：步骤1：收集植物的花果生育期开始或结束时间的历史资料，包括历年植物的花果生育期开始或结束时间的日序、历年与植物的花果生育期开始或结束时间相关的多个气象因子、历年与植物的花果生育期开始或结束时间相关的物候学因子，气象因子为线性预报因子或为非线性预报因子，物候学因子为线性预报因子或为非线性预报因子；如果线性预报因子和非线性预报因子均不存在，则不进行预报，否则，执行步骤2；上述，历年的范围为10～30年，为线性预报因子的气象因子有正向累积温度、逆向累积温度、正向累积降水量、逆向累积降水量、正向累积湿度、逆向累积湿度、正向累积光照时数、逆向累积光照时数，为非线性预报因子的气象因子是根据历史经验得到的；步骤2：根据历年植物的花果生育期开始或结束时间的日序，估算出植物的花果生育期开始或结束时间可能的最早日序和可能的最迟日序，对应记为D₁和D₂；其中，D₁＜D₂；步骤3：仅线性预报因子存在的情况下，计算历年中每一年植物的花果生育期开始或结束时间的日序与对应年份植物的花果生育期开始或结束时间的每个线性预报因子的线性相关系数；然后对所有线性相关系数进行相关显著性校验；再将通过相关显著性校验的所有线性相关系数所对应的线性预报因子作为候选预报因子；仅非线性预报因子存在的情况下，将历年植物的花果生育期开始或结束时间的所有非线性预报因子作为候选预报因子；线性预报因子和非线性预报因子均存在的情况下，计算历年中每一年植物的花果生育期开始或结束时间的日序与对应年份植物的花果生育期开始或结束时间的每个线性预报因子的线性相关系数；然后对所有线性相关系数进行相关显著性校验；再将通过相关显著性校验的所有线性相关系数所对应的线性预报因子和历年植物的花果生育期开始或结束时间的所有非线性预报因子作为候选预报因子；步骤4：根据候选预报因子，从线性模型、非线性模型和混合模型三种模型类型中选择一种模型类型作为预报模型构建类型，其中混合模型由线性模块和非线性模块组成，若候选预报因子均为线性预报因子，则选择线性模型、非线性模型和混合模型中的任一种模型类型作为预报模型构建类型；若候选预报因子均为非线性预报因子，则选择非线性模型作为预报模型构建类型；若候选预报因子既有线性预报因子又有非线性预报因子，则选择非线性模型和混合模型中的任一种模型类型作为预报模型构建类型，当选择混合模型作为预报模型构建类型时混合模型中的线性模块只能选择线性预报因子来构建；然后根据预报模型构建类型，构建最佳预报模型；若预报模型构建类型为线性模型，则最佳预报模型的构建过程为：A1、将历年植物的花果生育期开始或结束时间的日序及历年植物的花果生育期开始或结束时间的所有候选预报因子构成历史样本集合；A2、按年份将历史样本集合分成两个子集，分别作为建模样本集合和检验样本集合；A3、采用回归方程方法，并利用建模样本集合，建立初始预报模型；A4、按年份将检验样本集合中的每个年份的所有候选预报因子输入到初始预报模型中，得到对应年份的日序预报值；A5、按年份计算每个年份的日序预报值与检验样本集合中的对应年份的日序的差值；然后计算所有年份对应的差值的平均值；接着判断平均值是否小于或等于设定值D_s1，如果是，则将初始预报模型确定为最佳预报模型，并将历史样本集合中的所有候选预报因子确定为终选预报因子，再执行步骤5；否则，执行步骤A6；其中，D_s1∈[1,3]天；A6、将历史样本集合中最小线性相关系数对应的候选预报因子删除，然后返回步骤A2继续执行，若历史样本集合中的所有候选预报因子处理完毕而未确定最佳预报模型，则不进行预报；若预报模型构建类型为非线性模型，则最佳预报模型的构建过程为：B1、历年中按年份将当前待处理的年份定义为当前年份；B2、将当前年份中D₁～D₂日序中当前待处理的日序定义为当前日序；B3、将当前日序记为D_cur；将当前日序D_cur作为附加预报因子，并将当前日序D_cur是否大于或等于D₀的返回值作为预报对象；其中，D_cur∈[D₁,D₂]，D₀表示当前年份植物的花果生育期开始或结束时间的日序，D₁＜D₀＜D₂，若D_cur≥D₀则预报对象取值为1，若D_cur＜D₀则预报对象取值为0；B4、将预报对象、附加预报因子、历年植物的花果生育期开始或结束时间的所有候选预报因子构成一个历史样本；B5、将当前年份中D₁～D₂日序中下一个待处理的日序作为当前日序，然后返回步骤B3继续执行，直至当前年份中D₁～D₂日序中的每个日序处理完毕，执行步骤B6；B6、将历年中下一个待处理的年份作为当前年份，然后返回步骤B2继续执行，直至历年的每个年份处理完毕，将历年中所有年份中D₁～D₂日序对应的所有历史样本构成历史样本集合；B7、按年份将历史样本集合分成两个子集，分别作为建模样本集合和检验样本集合；B8、采用人工神经网络或者支持向量机方法，并利用建模样本集合，建立初始预报模型；B9、将检验样本集合中的每个年份中D₁～D₂日序的逐日的历史样本中的附加预报因子及其对应的所有候选预报因子输入到初始预报模型中，得到附加预报因子对应的预报值，如果预报值≥0.5则将预报值置为1；如果预报值<0.5则将预报值置为0；判断附加预报因子对应的预报值与检验样本集合中的附加预报因子对应的预报对象是否相同，如果相同则表示预报正确，如果不相同则表示预报错误；若检验样本集合中的所有历史样本对应的总体预报正确率达到80％，则将初始预报模型确定为最佳预报模型，并将历史样本集合中的所有候选预报因子确定为终选预报因子，再执行步骤5；否则，执行步骤B10；B10、若历史样本集合中的候选预报因子均为线性预报因子，则将历史样本集合中最小线性相关系数对应的线性预报因子删除；若历史样本集合中的候选预报因子均为非线性预报因子，则将历史样本集合中的任意一个非线性预报因子删除；若历史样本集合中的候选预报因子既有线性预报因子又有非线性预报因子，则将历史样本集合中最小线性相关系数对应的线性预报因子或任意一个非线性预报因子删除；B11、返回步骤B7继续执行，若历史样本集合中的所有候选预报因子处理完毕而未确定最佳预报模型，则确定不进行预报；若预报模型构建类型为混合模型，则预报模型的构建过程为：C1、若候选预报因子均为线性预报因子，则将历年植物的花果生育期开始或结束时间的日序及历年植物的花果生育期开始或结束时间的部分候选预报因子构成线性模块历史样本集合；若候选预报因子既有线性预报因子又有非线性预报因子，则将历年植物的花果生育期开始或结束时间的日序及历年植物的花果生育期开始或结束时间的所有或部分线性预报因子构成线性模块历史样本集合；C2、按年份将线性模块历史样本集合分成两个子集，分别作为线性模块建模样本集合和线性模块检验样本集合；C3、采用回归方程方法，并利用线性模块建模样本集合，建立初始线性模块；C4、按年份将线性模块检验样本集合中的每个年份的所有候选预报因子输入到初始线性模块中，得到对应年份的日序预报值；C5、按年份计算每个年份的日序预报值与线性模块检验样本集合中的对应年份的日序的差值；然后计算所有年份对应的差值的平均值；接着判断平均值是否小于或等于设定值D_s1，如果是，则将初始线性模块确定为最佳线性模块，并将线性模块历史样本集合中的所有候选预报因子确定为最佳线性模块的终选预报因子，再将线性模块历史样本集合中的每个年份的所有终选预报因子输入到最佳线性模块中，得到对应年份的日序预报值，执行步骤C7；否则，执行步骤C6；其中，D_s1∈[1,3]天；C6、将线性模块历史样本集合中最小线性相关系数对应的候选预报因子删除，然后返回步骤C2继续执行，若线性模块历史样本集合中的所有候选预报因子处理完毕而未确定最佳线性模块，则线性模块无效，混合模型将只包含非线性模块，将预报模型构建类型改为非线性模型；C7、历年中按年份将当前待处理的年份定义为当前年份；C8、将当前年份中D₁～D₂日序中当前待处理的日序定义为当前日序；C9、将当前日序记为D_cur；将当前日序D_cur作为第一附加预报因子，并将当前日序D_cur大于或等于D₀的返回值作为预报对象；将步骤C5通过最佳线性模块得到的当前年份的日序预报值作为第二附加预报因子；其中，D_cur∈[D₁,D₂]，D₀表示当前年份植物的花果生育期开始或结束时间的日序，D₁＜D₀＜D₂，若D_cur≥D₀则预报对象取值为1，若D_cur＜D₀则预报对象取值为0；C10、将预报对象、第一附加预报因子、第二附加预报因子、历年植物的花果生育期开始或结束时间的日序及历年植物的花果生育期开始或结束时间的除构成线性模块历史样本集合外的剩余候选预报因子构成一个非线性模块历史样本；C11、将当前年份中D₁～D₂日序中下一个待处理的日序作为当前日序，然后返回步骤C9继续执行，直至当前年份中D₁～D₂日序中的每个日序处理完毕，执行步骤C12；C12、将历年中下一个待处理的年份作为当前年份，然后返回步骤C8继续执行，直至历年的每个年份处理完毕，将历年中所有年份中D₁～D₂日序对应的所有历史样本构成非线性模块历史样本集合；C13、按年份将非线性模块历史样本集合分成两个子集，分别作为非线性模块建模样本集合和非线性模块检验样本集合；C14、采用人工神经网络或者支持向量机方法，并利用非线性模块建模样本集合建立初始非线性模块；C15、将非线性模块检验样本集合中的每个年份中D₁～D₂日序的逐日的非线性模块历史样本中的第一附加预报因子及其对应的所有候选预报因子输入到初始非线性模块中，得到第一附加预报因子对应的预报值，如果预报值≥0.5则将预报值置为1；如果预报值<0.5则将预报值置为0；判断第一附加预报因子对应的预报值与非线性模块检验样本集合中的第一附加预报因子对应的预报对象是否相同，如果相同则表示预报正确，如果不相同则表示预报错误；若非线性模块检验样本集合中的所有非线性模块历史样本对应的总体预报正确率达到80％，则将初始非线性模块确定为最佳非线性模块，并将非线性模块历史样本集合中的所有候选预报因子确定为最佳非线性模块的终选预报因子，将由最佳线性模块和最佳非线性模块构成的混合模型作为最佳预报模型，再执行步骤5；否则，执行步骤C16；C16、若非线性模块历史样本集合中的候选预报因子均为线性预报因子，则将非线性模块历史样本集合中最小线性相关系数对应的线性预报因子删除；若非线性模块历史样本集合中的候选预报因子均为非线性预报因子，则将非线性模块历史样本集合中的任意一个非线性预报因子删除；若非线性模块历史样本集合中的候选预报因子既有线性预报因子又有非线性预报因子，则将非线性模块历史样本集合中最小线性相关系数对应的线性预报因子或任意一个非线性预报因子删除；C17、返回步骤C13继续执行，若非线性模块历史样本集合中的所有候选预报因子处理完毕而未确定最佳非线性模块，则确定不进行预报；步骤5：将待预报的植物的花果生育期的开始或结束时间的年份定义为预报年份；将开始制作预报的日期的日序定义为起报日序，记为D_s；将气象所能提供天气预报的最长有效时效的日数记为D_max；当最佳预报模型的类型为线性模型时，用预报年份的用于计算终选预报因子所需的资料计算最佳预报模型对应的每个终选预报因子的因子值，将最佳预报模型对应的所有终选预报因子的因子值输入到最佳预报模型中，计算得到日序值；如果计算得到的日序值在待预报的植物的花果生育期的时间范围D₁～D₂内，则认为计算得到的日序值有效，是植物的花果生育期的开始或结束时间的日序的预报结果，然后执行步骤6；否则，认为计算得到的日序值无效，不进行预报；当最佳预报模型的类型为非线性模型时，如果D_s＜D₁‑D_max或者D_s＞D₂，则不进行预报；否则，执行以下步骤：步骤5_1a、将当前进行计算的日期的日序D_j定义为计算日序，其中，D_j的初始值为D_s；步骤5_1b、根据D_j计算最佳预报模型对应的每个终选预报因子的因子值，将最佳预报模型对应的所有终选预报因子的因子值输入到最佳预报模型中，计算得到预报值；步骤5_1c、如果计算得到的预报值≥0.5，则当D_j在待预报的植物的花果生育期的时间范围D₁～D₂内时，认为D_j有效，是待预报的植物的花果生育期的开始或结束时间的日序的预报结果，然后执行步骤6；当D_j不在待预报的植物的花果生育期的时间范围D₁～D₂内时，认为D_j无效，不进行预报；如果计算得到的预报值<0.5，则执行步骤5_1d；步骤5_1d、如果D_j＞D₂或D_j＞D_s+D_max，则不进行预报；否则，令D_j＝D_j+1，将下一个进行计算的日期的日序作为计算日序，再返回步骤5_1b继续执行；其中，D_j＝D_j+1中的“＝”为赋值符号；当最佳预报模型的类型为混合模型时，用预报年份的用于计算终选预报因子所需的资料计算最佳预报模型的线性模块对应的每个终选预报因子的因子值，将最佳预报模型的线性模块对应的所有终选预报因子的因子值输入到最佳预报模型的线性模块中，计算得到线性模块预报的日序值；如果计算得到的线性模块预报的日序值不在待预报的植物的花果生育期时间范围D₁～D₂内，认为计算得到的线性模块预报的日序值无效，不进行预报；如果计算得到的线性模块预报的日序值在待预报的植物的花果生育期时间范围D₁～D₂内，则认为计算得到的线性模块预报的日序值有效，再执行以下步骤：步骤5_2a、如果D_s＜D₁‑D_max或者D_s＞D₂，则不进行预报；否则，执行步骤5_2b；步骤5_2b、将当前进行计算的日期的日序D_j定义为计算日序，其中，D_j的初始值为D_s；步骤5_2c、根据D_j计算最佳预报模型对应的每个终选预报因子的因子值，将最佳预报模型对应的所有终选预报因子的因子值输入到最佳预报模型中，计算得到预报值；步骤5_2d、如果计算得到的预报值≥0.5，则当D_j在待预报的植物的花果生育期的时间范围D₁～D₂内时，认为D_j有效，是待预报的植物的花果生育期的开始或结束时间的日序的预报结果，然后执行步骤6；当D_j不在待预报的植物的花果生育期的时间范围D₁～D₂内时，认为D_j无效，不进行预报；如果计算得到的预报值<0.5，则执行步骤5_2e；步骤5_2e、如果D_j＞D₂或D_j＞D_s+D_max，则不进行预报；否则，令D_j＝D_j+1，将下一个进行计算的日期的日序作为计算日序，再返回步骤5_2c继续执行；其中，D_j＝D_j+1中的“＝”为赋值符号；步骤6：将得到的预报结果转换成日期，作为预报年份的植物的花果生育期的开始或结束的日期，预报结束。