[发明专利]农作物产量预测方法和系统

权利要求书

1.一种农作物产量预测方法，其特征在于，包括：

根据第一统计期内的气象数据、第一统计期所属的第二统计期内的气象数据和第一统计期的时间信息，获取农作物的特征数据；

将所述特征数据输入训练好的神经网络模型，获取农作物产量预测结果。

2.根据权利要求1所述的农作物产量预测方法，其特征在于，获取所述训练好的神经网络模型的具体步骤包括：

根据历史气象数据及相应的农作物历史产量构建训练样本集；

将所述训练样本集中的数据输入神经网络模型进行训练，获得所述训练好的神经网络模型。

3.根据权利要求1或2所述的农作物产量预测方法，其特征在于，所述第一统计期内的气象数据至少包括：第一统计期的最高气温、最低气温、日照时间和降水量；

所述第一统计期所属的第二统计期内的气象数据，根据属于所述第二统计期的各第一统计期的平均气温获得。

4.根据权利要求2所述的农作物产量预测方法，其特征在于，所述神经网络模型为VGG模型；

所述VGG模型的各神经元节点的激活函数为MPELU函数。

5.根据权利要求2所述的农作物产量预测方法，其特征在于，所述将所述训练样本集中的数据输入神经网络模型进行训练的具体步骤包括：

将所述训练样本集中的数据输入神经网络模型，根据莱文贝格－马夸特方法，对神经网络模型进行训练。

6.根据权利要求1所述的农作物产量预测方法，其特征在于，所述根据第一统计期内的气象数据、第一统计期所属的第二统计期内的气象数据和第一统计期的时间信息，获取农作物的特征数据还包括：

根据第一统计期内的气象数据、第一统计期所属的第二统计期内的气象数据、第一统计期的时间信息和第一统计期的土壤数据，获取农作物的特征数据。

7.根据权利要求6所述的农作物产量预测方法，其特征在于，所述第一统计期的土壤数据至少包括：第一统计期的土壤酸碱度。

8.一种农作物产量预测系统，其特征在于，包括：

特征提取模块，用于根据第一统计期内的气象数据、第一统计期所属的第二统计期内的气象数据和第一统计期的时间信息，获取农作物的特征数据；

产量预测模块，用于将所述特征数据输入训练好的神经网络模型，获取农作物产量预测结果。

9.一种农作物产量的预测设备，其特征在于，包括：

至少一个处理器；以及

与所述处理器通信连接的至少一个存储器，其中：

所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。

10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至7任一所述的方法。