[发明专利]一种基于机器学习的小麦白粉病发生程度预测方法

权利要求书

1.“一种基于机器学习的小麦白粉病发生程度预测方法”，具体包含以下步骤：

获取小麦白粉病病情资料和气象资料；

将小麦白粉病病情资料划为3类，并利用过拟合方法将各类数据补齐，并对数据进行标准化；

通过特征工程中的方差过滤方法对气象资料进行筛选，得到合适的预测因子；

利用筛选后的预测因子，构建基于机器学习的小麦白粉病发生程度的分类预测模型，并对其进行验证。

2.根据权利要求1所述方法，所述获取小麦白粉病病情资料包括：

小麦白粉病病情资料包括：四川南充(1985-1995，2009-2021)、巴中(1980-1995，2009-2019)和江油(2020和2021)、河南南阳(1981-1996，2009-2019)、安阳(1991-2000，2009-2019)、唐河(2020和2021)、新乡(2020和2021)和原阳(2020和2021)，山东章丘(1982-1996，2012-2018)和淄博(2020和2021)，江苏高邮(1981-1999)、睢宁(1981-1996)、徐州(2020和2021)和扬州(2020和2021)，安徽六安(2020和2021)和庐江(2020和2021)共172个数据；

相应的气象资料如气温、降水量、湿度、光照时数等来自于国家气象信息中(网站：http：//data.cma.cn/site/index.html)。

3.根据权利要求1所述方法，所述将小麦白粉病病情资料划为3类，并利用过拟合方法将各类数据补齐，并对数据进行标准化包括：

将小麦白粉病病情资料划为3类，具体为：将发生程度为0、1、2级划分为不发生或轻发生，发生程度为3级划分为中等发生，发生程度为4、5级划分为重发生；

利用机器学习中处理样本不均衡问题的过拟合方法，将数据补齐；

数据标准化的方法为新数据＝(原数据-所有样本均值)/标准差。

4.根据权利要求1所述方法，所述通过机器学习方法对气象资料进行筛选，得到合适的预测因子包括：

通过机器学习特征工程(方差过滤、卡方过滤)等方法对气象资料进行筛选，选取合适的预测因子。

5.根据权利要求1所述方法，所述利用筛选后的预测因子，构建基于机器学习的小麦白粉病发生程度的分类预测模型，并对其进行验证包括：

利用上述筛选出的两个预测因子，将病情资料和气象资料按9∶1分为训练集和测试集，通过机器学习方法(K-近邻、随机森林、支持向量机、人工神经网络等)建立小麦白粉病发生程度的分类预测模型；

构建的模型为分类模型，其准确性验证方法为：准确性(％)＝测试集分类正确数/测试集总数*100％。