[发明专利]水稻产量预测方法及装置

权利要求书

1.一种水稻产量预测方法，其特征在于，包括：

对水稻原始数据进行特征提取，得到水稻特征数据；

将所述水稻特征数据，输入预设的XGBoost网络模型，得到水稻的产量预测结果；

其中，所述XGBoost网络模型，根据已知水稻产量的原始数据作为样本，经特征提取后训练得到。

2.根据权利要求1所述的水稻产量预测方法，其特征在于，所述对水稻原始数据进行特征提取之前，还包括：

对模型的超参数，通过网格搜索算法进行寻优。

3.根据权利要求2所述的水稻产量预测方法，其特征在于，对模型的超参数，通过网格搜索算法进行寻优，包括：

对所有的待优化超参数进行循环遍历，得到所有可能的组合；

对每一种组合，使用相同的训练集数据进行训练，并使用相同的验证集进行验证，选取准确率最高的超参数组合，作为寻优结果。

4.根据权利要求2所述的水稻产量预测方法，其特征在于，所述超参数包括，迭代次数、叶子节点最小样本数、最大深度、gamma值、采样比例、colsample_bytree参数、reg_alpha参数、reg_lambda参数和学习速率。

5.根据权利要求1所述的水稻产量预测方法，其特征在于，对水稻原始数据进行特征提取之前，还包括：

对水稻原始数据进行数据清洗；

所述数据清洗包括，异常数据删除、缺失值以零填充、对非数值数据进行编码。

6.根据权利要求1所述的水稻产量预测方法，其特征在于，对水稻原始数据进行特征提取之前，还包括：

删除影响预测的特征字段和与预测产量无关的特征字段。

7.据权利要求5所述的水稻产量预测方法，其特征在于，所述非数值数据，包括地址、生育期、品种和种类。

8.一种水稻产量预测装置，其特征在于，包括：

特征提取模块，用于对水稻原始数据进行特征提取，得到水稻特征数据；

预测模块，用于将所述水稻特征数据，输入预设的XGBoost网络模型，得到水稻的产量预测结果；

其中，所述XGBoost网络模型，根据已知水稻产量的原始数据作为样本，经特征提取后训练得到。

9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述水稻产量预测方法的步骤。

10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述水稻产量预测方法的步骤。