[发明专利]粮食温度预测方法与装置

权利要求书

1.一种粮食温度预测方法，其特征在于，包括：

利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练，得到各粮食温度层的预测结果；

再利用深度学习CNN算法，捕捉各粮食温度层的测温点温度之间的空间关系，预测各粮食温度层的各测温点的温度值，建立预测模型；

将当前粮情信息和当前气象数据作为所述预测模型的输入，输出预测的粮食温度；

其中，利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练，得到各粮食温度层的预测结果，包括：使用组合算法梯度提升GBRT对历史粮温数据和历史气象数据进行训练，采用Boosting算法，通过弱学习器学习粮食温数据和历史气象数据中误差大于预设值的数据，集成所有弱学习器的结果，得到各粮食温度层的预测结果。

2.如权利要求1所述的粮食温度预测方法，其特征在于，所述粮食温度层包括四个。

3.如权利要求1或2所述的粮食温度预测方法，其特征在于，所述利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练的步骤之前包括：

对历史粮温数据和历史气象数据进行清洗处理。

4.如权利要求3所述的粮食温度预测方法，其特征在于，所述将当前粮情信息和当前气象数据作为所述预测模型的输入的步骤之前包括：

将当前粮情信息和当前气象数据进行清洗处理。

5.一种粮食温度预测装置，其特征在于，包括：

模型学习模块，用于利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练，得到各粮食温度层的预测结果；再利用深度学习CNN算法，捕捉各粮食温度层的测温点温度之间的空间关系，预测各粮食温度层的各测温点的温度值，建立预测模型；具体地，利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练，得到各粮食温度层的预测结果，包括：使用组合算法梯度提升GBRT对历史粮温数据和历史气象数据进行训练，采用Boosting算法，通过弱学习器学习粮食温数据和历史气象数据中误差大于预设值的数据，集成所有弱学习器的结果，得到各粮食温度层的预测结果；

预测模块，用于将当前粮情信息和当前气象数据作为所述预测模型的输入，输出预测的粮食温度。

6.如权利要求5所述的粮食温度预测装置，其特征在于，所述粮食温度层包括四个。

7.如权利要求5或6所述的粮食温度预测装置，其特征在于，还包括数据预处理模块，用于在所述模型学习模块利用机器学习GBRT算法对历史粮温数据和历史气象数据进行训练之前，对历史粮温数据和历史气象数据进行清洗处理。

8.如权利要求7所述的粮食温度预测装置，其特征在于，所述数据预处理模块还用于在所述预测模块将当前粮情信息和当前气象数据作为所述预测模型的输入之前，将当前粮情信息和当前气象数据进行清洗处理。

9.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，所述程序被处理器执行时实现权利要求1至4中任意一项所述方法的步骤。

10.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现权利要求1至4中任意一项所述方法的步骤。