[发明专利]一种基于机器学习的农田作物蒸散量预测系统

权利要求书

1.一种基于机器学习的农田作物蒸散量预测系统，其特征在于：包括有采集终端，服务器端和客户端；所述的采集终端实时采集农田各个监测点的气象数据信息并通过通信网络传输给服务器端；所述的服务器端包括有数据接收和存储模块、数据预处理模块、数据模型训练模块和数据可视化模块；所述的数据接收和存储模块将各个监测点获取的气象数据以一定的命名格式标识并存储于数据库中；所述的数据预处理模块对于各个监测点的气象数据分别进行去噪、插值补全和归一化处理后选取预处理后0-1之间的气象数据；所述的数据模型训练模块对于预处理选取后的气象数据，利用机器学习的算法进行模型训练，所述的模型训练即根据不同的作物选择不同的训练模型和调节参数，针对不同作物不同时间段的蒸散量进行预测和波动展示；所述的数据可视化模块将预测的蒸散量结果绘制成蒸发量预测图谱；所述的客户端通过通信网络接收蒸发量预测图谱并进行图谱的显示。

2.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统，其特征在于：所述的采集终端采集的气象数据信息包括有日平均气温，日照时数，日最高气温，日最低气温，相对湿度和日均风速。

3.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统，其特征在于：所述的通信网络包括有GPRS无线通信网络、WAN网络和Zigbee网络。

4.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统，其特征在于：所述的利用机器学习的算法进行模型训练的具体步骤是：首先预测时间序列后调用训练模型并加载，然后从数据库中读取模型参数进行模型初始化，再进行数据预处理，最后数据进行模型训练并保存蒸散量预测结果数据。

5.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统，其特征在于：所述的蒸发量预测图谱展示不同区域农作物在一段时间的作物蒸散量的波动情况，用于显示农作物需水量的变化。

6.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统，其特征在于：所述的采集终端按照设定时间段将农田各个监测点的气象数据信息通过通信网络传输给服务器。

7.根据权利要求1所述的一种基于机器学习的农田作物蒸散量预测系统，其特征在于：所述的客户端包括有电脑和移动显示终端。