[发明专利]基于物联网的脐橙产量预测方法、装置、计算机设备

权利要求书

1.一种基于物联网的脐橙产量预测方法，其特征在于，所述方法包括：

在时间序列上，接收脐橙圆多个被检测点的环境信息，其中，所述环境信息包括温度和湿度；

根据多个所述环境信息，按照LSTM长短期记忆神经网络的计算策略，提取得到多个第一信息，其中，所述第一信息为价值密度大于对应的所述环境信息的温度和湿度数据；

根据多个所述第一信息，按照三角模糊数时间序列神经网络计算策略，得到多个第二信息，所述第二信息为对应的所述第一信息的三角模糊数值；

根据多个所述第二信息，按照脐橙园多点环境融合模型计算策略，得到第三信息，所述第三信息为所有的所述第二信息的融合值；

根据脐橙园产量的历史信息和所述第三信息，按照脐橙产量预测模块的计算策略，得到脐橙园产量的预测值，其中，所述预测值为三角模糊数预测值。

2.根据权利要求1所述的方法，其特征在于，所述根据多个所述第一信息，按照三角模糊数时间序列神经网络计算策略，得到多个第二信息，包括；

根据多个所述第一信息，按照径向基神经网络模型的计算策略，得到优化后的多个所述第一信息；

根据优化后的多个所述第一信息，按照NARX神经网络模型的计算策略，得到多个所述第二信息，所述第二信息为对应的所述第一信息的三角模糊数值，且，表示被检测点的温度和湿度的下限值、最大可能值和上限值。

3.根据权利要求1所述的方法，其特征在于，所述根据多个所述第二信息，按照脐橙园多点环境融合模型计算策略，得到第三信息，包括：

在指定时间间隔内，各被检测点的温度和湿度的三角模糊数构成温度和湿度时间序列三角模糊数阵列，再分别计算各检测点的温度和湿度时间序列三角模糊数值与正负理想值之间的距离；

通过与负理想值的距离的平方除以与正理想值的距离得到每个被检测点温度和湿度时间序列三角模糊数值与正负理想值的相对贴进度再通过，每个检测点的相对贴进度的平方除以所有检测点的相对贴进度的总和得到每个检测点的融合权重；

根据每个被检测点的时间序列三角模糊数的值与该检测点的融合权重的积的和为所有时间序列三角模糊数的融合值，即为所述第三信息。

4.根据权利要求3所述的方法，其特征在于，所述根据脐橙园产量的历史信息和所述第三信息，按照脐橙产量预测模块的计算策略，得到脐橙园产量的预测值，包括：

根据脐橙园产量的历史信息，按照三角模糊数预测模型的计算策略，得到历史产量数据时间序列；

根据所述第三信息和所述历史产量数据时间序列，按照T-S型模糊神经网络校正模型的计算策略，得到脐橙园产量三角模糊数预测值。

5.根据权利要求1所述的方法，其特征在于，所述接收脐橙圆多个被检测点的环境信息，包括：

接收温度传感器和湿度传感器实时传输的脐橙圆多个被检测点的环境信息。

6.根据权利要求1所述的方法，其特征在于，所述接收脐橙圆多个被检测点的环境信息，包括：

接收人工输入的脐橙圆多个被检测点的环境信息。

7.一种基于物联网的脐橙产量预测装置，包括：

接收模块，用于在时间序列上，接收脐橙圆多个被检测点的环境信息；

第一计算模块，用于根据多个所述环境信息，按照LSTM长短期记忆神经网络的计算策略，提取得到多个第一信息；

第二计算模块，用于根据多个所述第一信息，按照三角模糊数时间序列神经网络计算策略，得到多个第二信息；

第三计算模块，用于根据多个所述第二信息，按照脐橙园多点环境融合模型计算策略，得到第三信息；

第四计算模块，用于根据脐橙园产量的历史信息和所述第三信息，按照脐橙产量预测模块的计算策略，得到脐橙园产量的预测值。

8.一种计算机设备，其特征在于，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器，其中所述处理器用于运行所述计算机程序时，实现权利要求1至6任一项所述的方法。

9.一种计算机存储介质，其特征在于，存储有可执行程序，所述可执行程序被处理器执行时，实现如权利要求1至6中任一项所述的方法。