[发明专利]一种实现影响因素多源异构融合的农作物产量预测方法

权利要求书

1.一种实现影响因素多源异构融合的农作物产量预测方法，其特征在于，包括如下步骤：

S1、获取农业的大数据，大数据包括：农作物历年产量数据和影响产量的指标数据，指标数据包括：历年气象数据和土壤特性数据；

S2、建立包含线性核函数、多项式核函数、径向基核函数和Sigmoid核函数的单核函数库；

S3、根据单变量法从单核函数库中选取单核函数，将大数据作为单核函数的输入变量，构建成为单核SVR模型；

S4、利用单核SVR模型进行预测，分别选取精度最接近1的单核函数，构成基核函数；其中基核函数的参数包括：基核函数的权重、基核函数自身核参数的取值和惩罚项的系数；

S5、初始化基核函数的参数，形成初始线性多核函数；建立包括粒子位置的粒子群优化算法，利用粒子群优化算法对初始线性多核函数的参数进行联合迭代优化，构建多核SVR预测模型；利用优化后的多核SVR预测模型进行初步预测，得到预测结果；

S6、建立包括估计值和精确值的交叉验证算法；利用交叉验证算法验证预测结果；取结果中估计值和精确值相关系数的均值作为适应度值，根据适应度值的大小更新基核函数各参数的值；其中，适应度值越接近1，表面预测结果精度越高；

S7、粒子群优化算法达到最大迭代次数或粒子位置满足最小界限时，输出基核函数各参数的值，得到最终的预测方程。

2.根据权利要求1所述的实现影响因素多源异构融合的农作物产量预测方法，其特征在于：步骤S5中，初始线性多核函数，表示为

其中，k_h(x,y)为基核函数，λ_h∈(0,1)，λ_h为核函数的权重，权重之和为1，m为核函数的个数。

3.根据权利要求1所述的实现影响因素多源异构融合的农作物产量预测方法，其特征在于：步骤S5中，粒子位置包括总群最优位置和个体最优位置；利用粒子群优化算法对初始线性多核函数的参数进行联合迭代优化时，每个粒子根据之前的种群最优位置和个体最优位置信息调整自身位置，调整公式为：

其中，r₁、r₂为区间[0,1]上的随机数，可取该区间均匀分布的伪随机数，V_i^(k)、分别是X_i第k次迭代时的速度和位置，是X_i第k次迭代中的最优位置，是X_ik次迭代中所有粒子的最优位置，ω为惯性权重因子，c₁、c₂为加速度因子，通常取2。

4.根据权利要求1所述的一种实现影响因素多源异构融合的农作物产量预测方法，其特征在于：步骤S6中，交叉验证算法的计算公式为：

其中，为估计值，为y_i精确值，R²为相关系数。

5.根据权利要求1所述的实现影响因素多源异构融合的农作物产量预测方法，其特征在于：步骤S3中，交叉验证采用五折交叉验证。

6.根据权利要求1-5任一项所述的实现影响因素多源异构融合的农作物产量预测方法，其特征在于：步骤S1中，指标数据还包括：水环境数据和地理位置数据。