[发明专利]一种烟草虫情预测系统及方法

权利要求书

1.一种烟草虫情预测方法，其特征是：包括以下步骤：

(1)获取数据，对数据进行预处理；

(2)构建时间序列分析模型，形成烟虫预测模型；

(3)进行虫情序列模式的挖掘，得到预测结果。

2.如权利要求1所述的一种烟草虫情预测方法，其特征是：所述步骤(1)中，数据采集是指将一定时间段内各个虫情监测点的每一个监测点的烟虫数量形成一条数据库中的一条记录，包含的字段有日期、部门、区域、部位、温度、湿度和/或数量信息。

3.如权利要求1所述的一种烟草虫情预测方法，其特征是：所述步骤(1)中，所述数据的预处理包括抽取、转换和加载，通过设定时间、部门、区域、部位和数量选择项，将历史数据抽取出来，作为模型库的数据源，加载到模型库中。

4.如权利要求1所述的一种烟草虫情预测方法，其特征是：所述步骤(2)中，特征提取的具体过程为：对于烟虫趋势序列，采用局部极值点与拐点来描述其变化特征。

5.如权利要求4所述的一种烟草虫情预测方法，其特征是：所述极值点表示在此时间前后采样值由小变大的事件，数学描述为：

对于一个给定的烟虫数量时间序列{<x₁＝(s₁,t₁)>,...,<x_n＝(s_n,t_n)>}，如果x_m满足下列条件之一：

当1<m<n时，存在下标i和j且1≤i<m<j≤n使得s_m是s_i，…，s_j中的最小值，且s_i/s_m≥A成立；

当m＝1时即s_m为时间序列的起点，存在j且m<j≤n时s_m是s_i,...,s_j的最小值且s_j/s_m≥A成立；

当m＝n时，即s_m为时间序列的终止数据点，存在下标i且1≤i<m使得s_m是s_i，…，s_j中的最小值，且s_j/s_m≥A成立；

其中，X_i代表一个序列数据，S_i是由监测点、温度、湿度和烟虫数量信息组成的字符串，A为设定的阈值，i为1，…，n。

6.如权利要求4所述的一种烟草虫情预测方法，其特征是：所述拐点表示趋势变化率的关键点，是函数中斜率变为零的点，表明函数增长趋势的变换。

7.如权利要求4所述的一种烟草虫情预测方法，其特征是：极值和拐点对应的特征事件标识为趋势增长率变大、趋势增长率变小、趋势变大、趋势变小。

8.如权利要求1所述的一种烟草虫情预测方法，其特征是：对于历史虫情监测数据，首先建立正常周期序列序列关键特征值，建立正常数据特征值模型；在训练阶段，将虫情严重的抽样样本的周期序列特征值与正常周期特征模型比较，其变化超过设定的阈值则标识为特征事件。