买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杨凌数字农业科技有限公司

摘要：本发明公开了一种基于机器学习的玉米产量预测方法及系统，内容包括数据采集、数据预处理、建立特征提取模型、建立玉米产量预测模型、模型优化和玉米产量预测。本发明涉及作物产量预测技术领域，具体是指一种基于机器学习的玉米产量预测方法及系统，本方案通过设计模型结构、卷积层、最大池化层和全局特征提取层，增加了模型的灵活性和适应性，提高特征提取的效果；通过设计玉米产量预测模型结构、偏差修正激活函数、隐藏层、损失函数，改善了模型的表达能力和精度，提高了模型预测的准确性；通过设计动态搜索模式引导函数和方向调控搜索函数，提高了搜索能力和效率，增加了搜索的多样性，避免陷入局部最优解。

主权项：1.一种基于机器学习的玉米产量预测方法，其特征在于，该方法包括以下步骤：步骤S1：数据采集，采集土壤数据、气象数据、种植数据、地理数据、农艺措施数据、病虫害数据和玉米产量数据；步骤S2：数据预处理，通过数据修正、特征数据选取、数据统一化、设计噪声估计函数和噪声抑制来进行数据预处理；步骤S3：建立特征提取模型，通过设计特征提取模型结构、设计卷积层、设计最大池化层、设计全局特征提取层、设计归一化层和设计全连接层来建立特征提取模型；在步骤S3中，所述建立特征提取模型具体包括以下步骤：步骤S31：设计特征提取模型结构，特征提取模型主体由固定模块和微调模块组成，固定模块是由五个卷积和最大池化的组合模块构成，其中，前两个模块的层数相同，都由两个卷积层连接到一个最大池化层，后三个模块的层数相同，都由四个卷积层连接到一个最大池化层；微调模块是额外添加的一个动态层数的卷积层连接全局特征提取层结构的模块；在微调模块之后连接一个平展层，将卷积层的输出展平为一维向量，之后连接一个全连接层；最后经过归一化层和多层全连接层完成特征提取；步骤S32：设计卷积层，表示如下： ；其中，i和j表示特征图的位置索引，表示卷积层的输出特征图在位置i,j处的值，m和n表示卷积核在输入数据上的滑动位置索引，表示卷积核在位置处的值，表示卷积运算，表示卷积层输入在位置处的值；步骤S33：设计最大池化层，表示如下： ；其中，表示最大池化层的输出特征图在位置i,j处的值，和表示池化窗口的位置索引，表示池化窗口的大小，表示取池化窗口里的最大值，s表示池化步幅值，表示最大池化层的输入在位置处的值；步骤S34：设计全局特征提取层，创建特征图权重矩阵，通过权重增强全局平均池化来提取全局特征，表示如下： ；其中，表示提取的全局特征，H和W分别表示特征图的高度和宽度，表示特征图权重矩阵在位置i,j处的权重，表示特征图在位置i,j处的元素值；步骤S35：设计归一化层，在隐藏层后添加归一化层，表示如下： ；其中，是归一化层的输出，表示归一化层输入，表示输入的均值，表示输入的方差，表示除零平滑项，和分别表示归一化缩放和归一化偏移参数；步骤S36：设计全连接层，表示如下： ；其中，表示全连接层的输出，表示线性整流函数，表示全连接层的权重，表示全连接层的输入，表示全连接层的偏置；步骤S4：建立玉米产量预测模型，通过设计玉米产量预测模型结构、设计输入层、设计偏差修正激活函数、设计隐藏层、设计预测层、设计损失函数和模型学习来建立玉米产量预测模型；在步骤S4中，所述建立玉米产量预测模型具体包括以下步骤：步骤S41：设计玉米产量预测模型结构，模型包括输入层、隐藏层和产量预测层；步骤S42：设计输入层，输入层用于接收预处理之后的特征数据和特征提取模型提取到的特征数据，表示如下： ；其中，表示输入层的输出，k表示玉米产量预测模型输入的特征数据总数，和分别表示第1、2、3、k个特征数据；步骤S43：设计偏差修正激活函数，表示如下： ；其中，表示偏差修正激活函数，表示偏差修正激活函数的输入；步骤S44：设计隐藏层，表示如下： ；其中，表示隐藏层的输出，、和分别表示第一层隐藏层的权重、输入和偏置，和分别表示第二层隐藏层的权重和偏置，a表示隐藏层的总层数，和分别表示第a层隐藏层的权重和偏置；步骤S45：设计预测层，表示如下： ；其中，表示预测层的输出，表示预测层的权重，表示预测层的输入，表示预测层的偏置；步骤S46：设计损失函数，基于预测产量与实际产量之间的相对误差构建损失函数，并参考历史玉米产量，表示如下： ；其中，表示损失函数，表示最大样本数量，c表示样本的索引，表示玉米产量预测的重要性权重，表示第c个样本的玉米实际产量值，表示第c个样本的玉米产量预测值，表示历史玉米产量参考值；步骤S47：模型学习，计算损失函数对模型的每个权重和偏置参数的梯度，并根据梯度的方向和大小来调整权重和偏置参数的值；步骤S5：模型优化，通过优化准备、设计搜索模式因子、设计动态搜索模式引导函数、设计方向调控因子、设计方向调控搜索函数来进行优化搜索；步骤S6：玉米产量预测，通过收集待预测区域最新的玉米生长数据，将数据输入玉米产量预测模型，玉米产量预测模型预测出最终的玉米产量；在步骤S6中，所述玉米产量预测是通过收集待预测区域最新的玉米生长数据，将数据输入玉米产量预测模型，模型对输入的数据进行全面的处理和分析，生成出最终的玉米产量的预测结果，为用户提供玉米种植的参考和决策支持；并根据实际的预测结果以及用户反馈，持续对模型进行优化和完善。

全文数据：

权利要求：

百度查询： 杨凌数字农业科技有限公司 一种基于机器学习的玉米产量预测方法及系统