[发明专利]农作物的采收量预测方法和装置

权利要求书

1.一种农作物的采收量预测方法，其特征在于，所述方法包括：

基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据；

确定所述监测数据对应的特征数据；所述特征数据表征影响所述农作物的采收量的数据；

将所述特征数据输入至预先训练完成的回归树模型中，输出所述农作物的采收量预测数据；其中，所述回归树模型基于可伸缩回归树算法构建。

2.根据权利要求1所述的方法，其特征在于，所述监测数据包括作物生长监测数据、气候环境监测数据和病虫草害监测数据；

基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据的步骤，包括：

基于全球定位系统确定指定坐标的所述农作物的种植区域；

基于地理信息系统对所述农作物的种植区域进行成图处理，输出多个图层；

通过遥感技术确定多个所述图层对应的所述作物生长监测数据、所述气候环境监测数据和所述病虫草害监测数据。

3.根据权利要求1所述的方法，其特征在于，确定所述监测数据对应的特征数据的步骤，包括：

确定影响所述农作物的采收量的数据的类型；

基于所述数据的类型从所述监测数据中提取所述监测数据对应的特征数据。

4.根据权利要求1所述的方法，其特征在于，将所述特征数据输入至预先训练完成的回归树模型中的步骤，包括：

对所述特征数据进行归一化处理；

将归一化处理后的所述特征数据输入至预先训练完成的回归树模型中。

5.根据权利要求1所述的方法，其特征在于，所述回归树模型通过以下步骤训练：

获取训练样本和所述训练样本对应的采收量；其中，所述训练样本和所述训练样本对应的采收量基于所述农作物的历史监测数据获取；

基于所述训练样本构建所述回归树模型的预设数量阈值的回归树；

根据所述训练样本的训练结果调整所述回归树模型的参数；

继续执行所述获取训练样本和所述训练样本对应的采收量的步骤，直至满足预设的训练结束条件，将训练得到的所述回归树模型确定为训练好的所述回归树模型。

6.根据权利要求5所述的方法，其特征在于，将训练得到的所述回归树模型确定为训练好的所述回归树模型的步骤之后，所述方法还包括：

基于预设的验证样本对训练好的所述回归树模型进行验证。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

基于预设比例从所述农作物的历史监测数据中确定训练样本和验证样本；其中，所述历史监测数据包含所述农作物的历史特征数据和所述历史特征数据对应的采收量。

8.根据权利要求5所述的方法，其特征在于，基于所述训练样本构建所述回归树模型的第一棵回归树的步骤，包括：

计算所述训练样本中每个特征的增益值，得到所述增益值的最大值对应的目标特征；

基于所述目标特征进行分支结点，对所述训练样本进行划分，并构建所述回归树模型的第一棵回归树；其中，所述第一棵回归树的树高不超过预设的高度阈值。

9.根据权利要求5所述的方法，其特征在于，所述训练结束条件包括：所述回归树模型的回归树的数量等于所述数量阈值；并且，所述回归树模型的参数的改变量小于预设的改变阈值。

10.一种农作物的采收量预测装置，其特征在于，所述装置包括：

监测数据获取模块，用于基于全球定位系统、地理信息系统和遥感技术获取农作物的监测数据；

特征数据确定模块，用于确定所述监测数据对应的特征数据；所述特征数据表征影响所述农作物的采收量的数据；

采收量预测模块，用于将所述特征数据输入至预先训练完成的回归树模型中，输出所述农作物的采收量预测数据；其中，所述回归树模型基于可伸缩回归树算法构建。