[发明专利]农作物决策方法、模型训练方法以及相关设备

说明书

本发明提供一种农作物决策方法、模型训练方法以及相关设备，农作物决策模型训练方法，包括：提取农作物的历史种植数据的候选特征集合，所述候选特征集合包括多个候选特征；利用特征选择模型，自所述候选特征集合中选择多个特征；生成训练样本以及测试样本，所述训练样本以及测试样本包括农作物的品种以及所述农作物的品种的多个所选择特征；根据所述训练样本训练农作物决策模型，并根据所述测试样本测试所训练的农作物决策模型。本发明实现农作物种植品种的最优决策，从而提高农作物种植品质和种植产量。

技术领域

本发明涉及计算机应用领域，尤其涉及一种农作物决策方法、模型训练方法以及相关设备。

背景技术

目前，农作物的种植通常凭借种植者的经验，根据种植地的地理位置、天气来确定在种植地的地理位置种植何种农作物。然而，这样的方式，可能存在经验误差，使得实际种植了不适宜种植在当前种植地的农作物品种，导致种植失败。此外，凭借经验的种植，很有可能使得种植的农作物并非是最适合种植在当前种植地的农作物，从而无法获得品质、产量良好的农作物收成。

由此，如何实现种植何种农作物的最优决策，从而提高农作物种植品质和种植产量，是本领域亟待解决的技术问题。

发明内容

本发明为了克服上述相关技术存在的缺陷，提供一种农作物决策方法、模型训练方法以及相关设备，以实现农作物种植品种的最优决策，从而提高农作物种植品质和种植产量。

根据本发明的一个方面，提供一种农作物决策模型训练方法，包括：

提取农作物的历史种植数据的候选特征集合，所述候选特征集合包括多个候选特征；

利用特征选择模型，自所述候选特征集合中选择多个特征；

生成训练样本以及测试样本，所述训练样本以及测试样本包括农作物的品种以及所述农作物的品种的多个所选择特征；

根据所述训练样本训练农作物决策模型，并根据所述测试样本测试所训练的农作物决策模型。

在本发明的一些实施例中，所述提取农作物的历史种植数据的候选特征集合包括：

对所述农作物的历史种植数据进行预处理，所述预处理包括如下预处理步骤中的一项或多项：

去除不完整的农作物的历史种植数据；

去除冗余的农作物的历史种植数据；

将农作物的历史种植数据的数据格式转换为标准数据格式，所述标准数据格式包括预先设置的数据位长度、数据名称、计量单位中的一项或多项。

在本发明的一些实施例中，所述利用特征选择模型，自所述候选特征集合中选择多个特征包括：

利用特征选择模型，对所述候选特征集合中的多个候选特征进行排序，获得所述候选特征集合中的候选特征的排序顺序；

根据所述候选特征集合中的候选特征的排序顺序选取排序在前的多个候选特征作为所选择特征。

在本发明的一些实施例中，所述利用特征选择模型，对所述候选特征集合中的多个候选特征进行排序，获得所述候选特征集合中的候选特征的排序顺序，包括：

迭代执行特征剔除步骤，直至所述候选特征集合为空，

其中，所述特征剔除步骤包括：

利用特征排序模型对所述候选特征集合中的多个候选特征进行排序；

按所述排序顺序自所述候选特征集合中剔除一候选特征；

其中，当所述候选特征集合为空时，按所述候选特征的剔除顺序输出所述候选特征集合中的候选特征的排序顺序。