[发明专利]一种实现影响因素多源异构融合的农作物产量预测方法

摘要

本发明涉及多源异构数据的融合和挖掘领域，具体公开了一种实现影响因素多源异构融合的农作物产量预测方法，包括如下步骤：获取农业大数据；对不同类型的数据，选取对应的单核函数，构建单核SVR模型，分别选取精度最高的单核函数，构成基核函数；初始化基核函数形成初始线性多核函数；利用粒子群优化算法对基核函数各参数的值进行联合迭代优化，构建多核SVR预测模型，利用多核SVR预测模型进行初步预测；利用交叉验证算法，计算预测的均值作为适应度值；根据适应度值的大小更新各个参数的值，直到达到终止条件；输出各个参数的值，得到最终的预测方程。采用本发明的技术方案能提高农作物产量的预测精度。

主权项

1.一种实现影响因素多源异构融合的农作物产量预测方法，其特征在于，包括如下步骤：S1、获取农业的大数据，大数据包括：农作物历年产量数据和影响产量的指标数据，指标数据包括：历年气象数据和土壤特性数据；S2、建立包含线性核函数、多项式核函数、径向基核函数和Sigmoid核函数的单核函数库；S3、根据单变量法从单核函数库中选取单核函数，将大数据作为单核函数的输入变量，构建成为单核SVR模型；S4、利用单核SVR模型进行预测，分别选取精度最接近1的单核函数，构成基核函数；其中基核函数的参数包括：基核函数的权重、基核函数自身核参数的取值和惩罚项的系数；S5、初始化基核函数的参数，形成初始线性多核函数；建立包括粒子位置的粒子群优化算法，利用粒子群优化算法对初始线性多核函数的参数进行联合迭代优化，构建多核SVR预测模型；利用优化后的多核SVR预测模型进行初步预测，得到预测结果；S6、建立包括估计值和精确值的交叉验证算法；利用交叉验证算法验证预测结果；取结果中估计值和精确值相关系数的均值作为适应度值，根据适应度值的大小更新基核函数各参数的值；其中，适应度值越接近1，表面预测结果精度越高；S7、粒子群优化算法达到最大迭代次数或粒子位置满足最小界限时，输出基核函数各参数的值，得到最终的预测方程。