CN104331836B - 农作物决策支持方法和装置 - Google Patents
农作物决策支持方法和装置 Download PDFInfo
- Publication number
- CN104331836B CN104331836B CN201410679288.XA CN201410679288A CN104331836B CN 104331836 B CN104331836 B CN 104331836B CN 201410679288 A CN201410679288 A CN 201410679288A CN 104331836 B CN104331836 B CN 104331836B
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- information
- msup
- crop
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 claims abstract description 97
- 238000000611 regression analysis Methods 0.000 claims abstract description 23
- 108010063499 Sigma Factor Proteins 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 19
- 230000021332 multicellular organism growth Effects 0.000 abstract description 12
- 238000012360 testing method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 239000000178 monomer Substances 0.000 description 5
- 230000003321 amplification Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 230000008635 plant growth Effects 0.000 description 3
- 230000001568 sexual effect Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 2
- 241001269238 Data Species 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000238631 Hexapoda Species 0.000 description 1
- 241000233855 Orchidaceae Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 239000012466 permeate Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Agronomy & Crop Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Husbandry (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种农作物决策支持方法和装置。该方法包括:从数据库中读取出第Ti时刻的作物本体信息Zi,以生成检测信息集合,其中1≤i≤n,Zi表示分布于坐标(Xi,Yi)的作物在第Ti时刻的本体信息;对检测信息集合进行回归分析,以得到回归误差;若回归误差小于预定的误差精度,则利用当前的反距离幂指数,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息,以便利用得到的空间插值信息提供决策支持。本发明基于IDW空间插值和回归分析,通过检测域内有限个个体的信息,通过模型计算分析,得到区域范围内其他未做监测的样本信息,能在精细农业生产管理过程中节省大量的作物本体生长信息检测成本,提供精细化与产业化相结合的管理决策支持。
Description
技术领域
本发明涉及人工智能领域,特别涉及一种农作物决策支持方法和装置。
背景技术
随着市场对高档次农业产品需求的不断增加,高档次高质量的农产品价值日益增加。同时,信息化技术也在农业行业不断渗透,如全球定位系统(GPS)、地理信息系统(GIS)、遥感技术(RS)、变量处理设备(VRT)和决策支持系统(DSS)新的出现和发展,精细农业作为基于信息科技的集约化农业问世,并成为农业可持续发展的热门领域。
目前,关于农业信息感知生产监测主要采用环境监测法、单体本体生长信息检测法两种。
环境监测法监测农业生产环境影响参数如:环境温度、湿度、光照等环境信息,此方法可以作为宏观决策管理依据,对整体的生产情况做粗糙管理,适合大田生产。
单体本体生长信息检测法是采用专业设备对作物生长信息进行个体采集分析,如营养信息、生理生态信息、形态信息和病虫害信息等,提供产量预测和个体生长信息监测及干预支持。但是目前单体本体生长信息检测法只局限单位个体信息的监测和获取,适合精细的农作物管理,除了对被检测的个体有决策意义外而没有对范围内其他作物信息进行分析和提供决策支撑,而在产业化生产管理的今天有必要对范围群体进行生产干预以提高大量个体的品质,如高档兰花的生产管理。
发明内容
鉴于以上技术问题,本发明提供了一种农作物决策支持方法和装置,基于IDW空间插值和回归分析,通过检测域内有限个个体的信息,通过模型计算分析,得到区域范围内其他未做监测的样本信息,为农业管理决策提供有效支撑。
根据本发明的一个方面,提供一种农作物决策支持方法,包括:
从数据库中读取出第Ti时刻的作物本体信息Zi,以生成检测信息集合,其中1≤i≤n,Zi表示分布于坐标(Xi,Yi)的作物在第Ti时刻的本体信息;
对检测信息集合进行回归分析,以得到回归误差E;
若回归误差E小于预定的误差精度,则利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息,以便利用得到的空间插值信息提供决策支持。
在本发明的一个实施例中,对检测信息集合进行回归分析,以得到回归误差E的步骤包括:
利用公式
计算回归误差E,其中r为:
和分别为检测信息集合中本体信息及相关时刻的平均值。
在本发明的一个实施例中,若回归误差E小于预定的误差精度,则利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤包括:
判断回归误差E是否小于预定的误差精度;
若回归误差E小于预定的误差精度,则执行确定空间插值信息的步骤;
若回归误差E不小于预定的误差精度,则判定为噪声干扰,将检测信息集合中具有最小时刻的作物本体信息删除;
从数据库中读取出第T+Δt个时刻的作物本体信息ZT+Δt,其中T为当前检测信息集合中作物本体信息所具有的最大时刻,Δt为预定的时间间隔;
将作物本体信息ZT+Δt放入检测信息集合中,以便对检测信息集合进行更新;
然后执行对检测信息集合进行回归分析的步骤。
在本发明的一个实施例中,利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤包括:
判断当前的反距离幂指数P是否为0;
若当前的反距离幂指数P不为0,则确定检测信息集合中与作物本体信息Zi相对应的空间插值信息;
若当前的反距离幂指数P为0,则建立反距离幂指数数组P={P1,P2,…,Pm};
针对反距离幂指数数组中的每个元素,计算检测信息集合的标准差σ;
选择反距离幂指数数组中对应于最小标准差σ的元素作为当前的反距离幂指数P,然后执行确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤。
在本发明的一个实施例中,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤包括:
利用公式
计算与作物本体信息Zi相对应的空间插值信息ZPi,其中dij为作物本体信息Zi和Zj之间的距离权重,
根据本发明的另一方面,提供一种农作物决策支持装置,其特征在于,包括集合生成单元、误差获取单元、识别单元和插值信息确定单元,其中:
集合生成单元,用于从数据库中读取出第Ti时刻的作物本体信息Zi,以生成检测信息集合,其中1≤i≤n,Zi表示分布于坐标(Xi,Yi)的作物在第Ti时刻的本体信息;
误差获取单元,用于对检测信息集合进行回归分析,以得到回归误差E;
识别单元,用于在误差获取单元得到回归误差E后,判断回归误差E是否小于预定的误差精度;
插值信息确定单元,用于根据识别单元的判断结果,在回归误差E小于预定的误差精度时,利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息,以便利用得到的空间插值信息提供决策支持。
在本发明的一个实施例中,误差获取单元具体用于利用公式
计算回归误差E,其中r为:
和分别为检测信息集合中本体信息及相关时刻的平均值。
在本发明的一个实施例中,所述装置还包括集合更新单元,其中:
集合更新单元,用于根据识别单元的判断结果,在回归误差E不小于预定的误差精度时,判定为噪声干扰,将检测信息集合中具有最小时刻的作物本体信息删除;从数据库中读取出第T+Δt个时刻的作物本体信息ZT+Δt,其中T为当前检测信息集合中作物本体信息所具有的最大时刻,Δt为预定的时间间隔;将作物本体信息ZT+Δt放入检测信息集合中,以便对检测信息集合进行更新;然后指示误差获取单元执行对检测信息集合进行回归分析的操作。
在本发明的一个实施例中,插值信息确定单元包括识别模块、插值信息确定模块、数组建立模块、标准差确定模块、幂指数确定模块,其中:
识别模块,用于判断当前的反距离幂指数P是否为0;
插值信息确定模块,用于根据识别模块的判断结果,在当前的反距离幂指数P不为0时,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息;
数组建立模块,用于根据识别模块的判断结果,在当前的反距离幂指数P为0时,建立反距离幂指数数组P={P1,P2,…,Pm};
标准差确定模块,用于针对数组建立模块建立的反距离幂指数数组中的每个元素,计算检测信息集合的标准差σ;
幂指数确定模块,用于选择反距离幂指数数组中对应于最小标准差σ的元素作为当前的反距离幂指数P,然后指示插值信息确定模块执行确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的操作。
在本发明的一个实施例中,插值信息确定模块在确定检测信息集合中与作物本体信息Zi相对应的空间插值信息时,具体用于利用公式
计算与作物本体信息Zi相对应的空间插值信息ZPi,其中dij为作物本体信息Zi和Zj之间的距离权重,
本发明基于IDW空间插值和回归分析,通过检测域内有限个个体的信息,通过模型计算分析,得到区域范围内其他未做监测的样本信息,能在精细农业生产管理过程中节省大量的作物本体生长信息检测成本,提供精细化与产业化相结合的管理决策支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明农作物决策支持方法一个实施例的示意图。
图2为本发明农作物决策支持方法另一实施例的示意图。
图3为本发明一个实施例中利用反距离幂指数确定空间插值信息的示意图。
图4为本发明农作物决策支持装置一个实施例的示意图。
图5为本发明农作物决策支持装置另一实施例的示意图。
图6为本发明一个实施例中插值信息确定单元的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
对于采集参数的精度目前分析有各种滤波算法,但是由于在农业生产预测中,采集器已经进行了一次初次滤波,且前一个接口的参数输入到后一个接口计算,总误差是每一个参数误差的平方和,参数经过滤波后带来的误差将被放大。同时由于农业生产监测信息多采用无线网关传输,当发生数据丢失时候,经过样本滤波,则会造成插值误差增大。
因此,本发明不再对采集的参数进行滤波计算,而是对数据进行回归分析后可以对数据的真实情况有一个较好的统计分析。采用回归分析,可以对连续的N个数据进行回归分析,当发现数据回归性偏差较大时候,则认为是噪声干扰,重新取得数据再次分析,保证数据不失真和后续计算不放大误差。
图1为本发明农作物决策支持方法一个实施例的示意图。优选的,本实施例可由本发明农作物决策支持装置执行。该方法包括以下步骤:
步骤101,从数据库中读取出第Ti时刻的作物本体信息Zi,以生成检测信息集合,即,从数据库中读取一个时间段内的n个相同时间间隔的时刻Ti的本体信息Zi,其中Ti+1=Ti+Δt,1≤i≤n,Zi表示分布于坐标(Xi,Yi)的作物在第Ti时刻的本体信息。
在本发明一个实施例中,步骤101可以包括:从数据库读取T={T1,T2,…,Tn}(Tn=T1+(n-1)Δt)作物分布信息X(t)={X1,X2,…,Xn}、Y(t)={Y 1,Y 2,…,Y n}和作物本体信息Z(t)={Z1,Z2,…,Zn),其中,位于di的坐标信息为(Xi,Yi),Zi表示从适配网关实时获取的分布位于(Xi,Yi)的农作物本体信息,Zi是时间T的函数。
步骤102,对检测信息集合进行回归分析,以得到回归误差E。
由于农业生产中的作物生长为相对缓慢的滞后系统,环境容量大,单位个体变化缓慢,那么可以建立如公式(1)所示的检测检测信息与检测时间Ti的函数:
Zt=f(Ti)=b0+bTi (1)
令:
则公式(1)可以转换为公式(3):
通过线性拟合可以得到b0的表达式如公式(4)和(5)所示,其中:
其中,和分别为检测信息集合中本体信息及相关时刻的平均值。
由此可以建立如公式(6)所示的回归误差值公式:
其中,相关系数r可以从如下的公式(7)获得。
步骤103,若回归误差E小于预定的误差精度ε,则利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息,以便利用得到的空间插值信息提供决策支持,其中误差精度ε为根据作物本体的噪声情况预先设定的。
本发明采用作物本体生长信息检测设备对作物本体进行离散的、不规则分布区域的个体检测,归档入数据库以后,由于农作物的个体情况分布与区域密切相关,采用空间插值技术,建立数学模型,输入已知的样本参数,经过运算得到全范围内的个体信息。本发明采用的IDW(Inverse Distance Weighted)是一种空间插值方法,它以插值点与样本点间的距离为权重进行加权平均,离插值点越近的样本点被赋予的权重越大,因此插值点就越接近样本。
在本发明的一个实施例中,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤包括:
利用公式(8)计算与作物本体信息Zi相对应的空间插值信息ZPi,
其中,如公式(9)所示,dij为作物本体信息Zi和Zj之间的距离权重。
公式(9)中的距离权重dij是通过建立如公式(10)所示的数组Z[n]、X[n]、Y[n]、d[n]而获取的。
基于本发明上述实施例提供的农作物决策支持方法,与现有技术相比,不仅能实现对单体农作物本体生长信息的监测,还可以实现对区域内的农作物进行范围内基于IDW空间插值计算得到其信息情况。
因此,生产管理人员只需要采用作物本体生长信息监测设备来监测区域内有限个个体的信息后,就可以以这些样本数据为基础,得到区域范围内其他未做监测的样本信息,极大地缩减工作量。生产管理不再是依据人为感性判断对作物生长进行粗放式干预,而是可以基于作物本身的生长信息数据进行数据分析,进而进行有针对性的精准干预作业,实现精细化、产业化大规模管理,提高生产管理效率和准确率。相对于农业生产环境监测来说农作物本体生长信息的全面获取更具有决策价值。
同时,由于本发明从农业现场传递过来农业数据是实时传输的,在IDW插值计算过程中,计算本身是放大计算过程,如果对样本信息进行滤波,则在初始样本接口中误差就已经引入,经过后续计算放大会影响精度。在本发明方法中不再进行滤波计算,而是通过设置精度容忍范围,采用在一定时域内进行回归分析,这样在后续的IDW插值计算时,减少了计算误差,提高了插值精度,为农业管理决策提供有效支撑。
图2为本发明农作物决策支持方法另一实施例的示意图。图2所示的方法中的步骤201、步骤202与图1所示的步骤101、步骤102类似,本实施例不再进行详述。图2所示的方法包括:
步骤201,从数据库中读取出第Ti时刻的作物本体信息Zi,以生成检测信息集合。
步骤202,对检测信息集合进行回归分析,以得到回归误差E。
步骤203,判断回归误差E是否小于预定的误差精度。若回归误差E小于预定的误差精度,则执行步骤204;否则,若回归误差E不小于预定的误差精度,则执行步骤205。
步骤204,判定为噪声干扰,利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息,以便利用得到的空间插值信息提供决策支持;之后不再执行本实施例的其它步骤。其中,利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤与图1所述实施例中的步骤103类似,这里不再详述。
步骤205,将检测信息集合中具有最小时刻的作物本体信息删除。
步骤206,从数据库中读取出第T+Δt个时刻的作物本体信息ZT+Δt,其中T为当前检测信息集合中作物本体信息所具有的最大时刻,Δt为预定的时间间隔。
步骤207,将作物本体信息ZT+Δt放入检测信息集合中,以便对检测信息集合进行更新;然后执行步骤202。
在本发明的一个具体实施例采用回归分析,若读取一个时间段内的5个相差预定时间间隔的时刻[T1、T2、T3、T4、T5]的本体信息[Z1、Z2、Z3、Z4、Z5],对检测信息集合进行回归分析得到的回归误差E不小于预定的误差精度时,则判定为噪声干扰,删除最小时刻T1对应的作物本体信息Z1,令迭代次数s=s+1,更新检测信息集合,从数据库中读取出第T6=T5+Δt个时刻的作物本体信息Z6,即,对检测样本进行更新,具体更新为[Z2、Z3、Z4、Z5、Z6],继续判断回归误差E是否小于预定的误差精度的操作。本发明上述实施例在发现数据回归性偏差较大时候,则认为是噪声干扰,重新取得数据再次分析,从而保证数据不失真和后续计算不放大误差。
图3为本发明一个实施例中利用反距离幂指数确定空间插值信息的示意图。上述实施例中利用反距离幂指数确定空间插值信息的步骤可以包括:
步骤301,判断当前的反距离幂指数P是否为0。若当前的反距离幂指数P不为0,则执行步骤305;否则,若当前的反距离幂指数P为0,则执行步骤302。
步骤302,建立反距离幂指数数组P={P1,P2,…,Pm},其中迭代次数m为大于1的自然数,具体取值为经验值。
步骤303,针对反距离幂指数数组中的每个元素,计算检测信息集合的标准差σ。
步骤304,选择反距离幂指数数组中对应于最小标准差σ的元素作为当前的反距离幂指数P。
步骤305,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息。
在本发明的一个实施例中,步骤303和步骤304具体可以包括:从数组P[m]中依次取得正整数,具体可通过公式(11)-(16)计算此时加权平方方差σ:
Pj=1; (11)
Pj=Pj+1; (16)
其中,Pj为计算最佳反距离权重的幂指数,di为当前农作物分布信息(Xi、Yi)下的位置权重,σj(Z)为对应幂指数Pj的标准差,通过公式(11)-(16)的循环计算得到最小标准差进而得到最佳幂指数Pj。
图4为本发明农作物决策支持装置一个实施例的示意图。如图4所示,所述农作物决策支持装置包括集合生成单元401、误差获取单元402、插值信息确定单元403和识别单元404,其中:
集合生成单元401,用于从数据库中读取出第Ti时刻的作物本体信息Zi,以生成检测信息集合,其中1≤i≤n,Zi表示分布于坐标(Xi,Yi)的作物在第Ti时刻的本体信息。
误差获取单元402,用于对检测信息集合进行回归分析,以得到回归误差E。
在本发明的一个实施例中,误差获取单元402具体用于利用公式(6)计算回归误差E,其中相关系数r可以通过公式(7)获得。
识别单元404,用于在误差获取单元得到回归误差E后,判断回归误差E是否小于预定的误差精度;
插值信息确定单元403,用于根据识别单元404的判断结果,在回归误差E小于预定的误差精度时,利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息,以便利用得到的空间插值信息提供决策支持。
基于本发明上述实施例提供的农作物决策支持装置,与现有技术相比,不仅能实现对单体农作物本体生长信息的监测,还可以实现对区域内的农作物进行范围内基于IDW空间插值计算得到其信息情况。因此,生产管理人员只需要采用作物本体生长信息监测设备来监测区域内有限个个体的信息后,就可以以这些样本数据为基础,得到区域范围内其他未做监测的样本信息,极大地缩减工作量。生产管理不再是依据人为感性判断对作物生长进行粗放式干预,而是可以基于作物本身的生长信息数据进行数据分析,进而进行有针对性的精准干预作业,实现精细化、产业化大规模管理,提高生产管理效率和准确率。相对于农业生产环境监测来说农作物本体生长信息的全面获取更具有决策价值。
同时,由于本发明从农业现场传递过来农业数据是实时传输的,在IDW插值计算过程中,计算本身是放大计算过程,如果对样本信息进行滤波,则在初始样本接口中误差就已经引入,经过后续计算放大会影响精度。在本发明方法中不再进行滤波计算,而是通过设置精度容忍范围,采用在一定时域内进行回归分析,这样在后续的IDW插值计算时,减少了计算误差,提高了插值精度,为农业管理决策提供有效支撑。
图5为本发明农作物决策支持装置另一实施例的示意图。与图4所示实施例相比,在图5所示实施例中,所述装置还包括集合更新单元501,其中:
集合更新单元501,用于根据识别单元404的判断结果,在回归误差E不小于预定的误差精度时,判定为噪声干扰,将检测信息集合中具有最小时刻的作物本体信息删除;从数据库中读取出第T+Δt个时刻的作物本体信息ZT+Δt,其中T为当前检测信息集合中作物本体信息所具有的最大时刻,Δt为预定的时间间隔;将作物本体信息ZT+Δt放入检测信息集合中,以便对检测信息集合进行更新;然后指示误差获取单元402执行对检测信息集合进行回归分析的操作。
本发明的上述实施例采用回归分析,在回归误差E不小于预定的误差精度时,令迭代次数s=s+1,更新检测信息集合。即,当发现数据回归性偏差较大时候,则认为是噪声干扰,重新取得数据再次分析,从而保证数据不失真和后续计算不放大误差。
图6为本发明一个实施例中插值信息确定单元的示意图。如图6所示,图4-图5所示实施例中的插值信息确定单元403可以包括识别模块4031、插值信息确定模块4032、数组建立模块4033、标准差确定模块4034、幂指数确定模块4035,其中:
识别模块4031,用于判断当前的反距离幂指数P是否为0。
插值信息确定模块4032,用于根据识别模块4031的判断结果,在当前的反距离幂指数P不为0时,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息。
数组建立模块4033,用于根据识别模块4031的判断结果,在当前的反距离幂指数P为0时,建立反距离幂指数数组P={P1,P2,…,Pm}。
标准差确定模块4034,用于针对数组建立模块4033建立的反距离幂指数数组中的每个元素,利用公式(15)计算检测信息集合的标准差σ。
幂指数确定模块4035,用于选择反距离幂指数数组中对应于最小标准差σ的元素作为当前的反距离幂指数P,然后指示插值信息确定模块4032执行确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的操作。
在本发明的一个实施例中,插值信息确定模块4032在确定检测信息集合中与作物本体信息Zi相对应的空间插值信息时,具体用于利用公式(8)计算与作物本体信息Zi相对应的空间插值信息ZPi,以便利用得到的空间插值信息提供决策支持。
在上面所描述的集合生成单元401、误差获取单元402和插值信息确定单元403、识别单元501、识别模块4031、插值信息确定模块4032、数组建立模块4033、标准差确定模块4034、幂指数确定模块4035等功能单元可以实现为用于执行本申请所描述功能的通用处理器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件或者其任意适当组合。
至此,已经详细描述了本发明。为了避免遮蔽本发明的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
本发明的描述是为了示例和描述起见而给出的,而并不是无遗漏的或者将本发明限于所公开的形式。很多修改和变化对于本领域的普通技术人员而言是显然的。选择和描述实施例是为了更好说明本发明的原理和实际应用,并且使本领域的普通技术人员能够理解本发明从而设计适于特定用途的带有各种修改的各种实施例。
Claims (8)
1.一种农作物决策支持方法,其特征在于,包括:
从数据库中读取出第Ti时刻的作物本体信息Zi,以生成检测信息集合,其中1≤i≤n,Zi表示分布于坐标(Xi,Yi)的作物在第Ti时刻的本体信息;
对检测信息集合进行回归分析,以得到回归误差E;
判断回归误差E是否小于预定的误差精度;
若回归误差E小于预定的误差精度,则利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息,以便利用得到的空间插值信息提供决策支持;
若回归误差E不小于预定的误差精度,则判定为噪声干扰,将检测信息集合中具有最小时刻的作物本体信息删除;
从数据库中读取出第T+Δt个时刻的作物本体信息ZT+Δt,其中T为当前检测信息集合中作物本体信息所具有的最大时刻,Δt为预定的时间间隔;
将作物本体信息ZT+Δt放入检测信息集合中,以便对检测信息集合进行更新,然后执行对检测信息集合进行回归分析的步骤。
2.根据权利要求1所述的方法,其特征在于,
对检测信息集合进行回归分析,以得到回归误差E的步骤包括:
利用公式
<mrow>
<mi>E</mi>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<mfrac>
<mn>1</mn>
<msup>
<mi>r</mi>
<mn>2</mn>
</msup>
</mfrac>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mfrac>
</msqrt>
</mrow>
计算回归误差E,其中r为:
<mrow>
<mi>r</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>T</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>Z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>Z</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>T</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>&CenterDot;</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>Z</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
和分别为检测信息集合中本体信息及相关时刻的平均值。
3.根据权利要求1或2所述的方法,其特征在于,
利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤包括:
判断当前的反距离幂指数P是否为0;
若当前的反距离幂指数P不为0,则确定检测信息集合中与作物本体信息Zi相对应的空间插值信息;
若当前的反距离幂指数P为0,则建立反距离幂指数数组P={P1,P2,…,Pm};
针对反距离幂指数数组中的每个元素,计算检测信息集合的标准差σ;
选择反距离幂指数数组中对应于最小标准差σ的元素作为当前的反距离幂指数P,然后执行确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤。
4.根据权利要求3所述的方法,其特征在于,
确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的步骤包括:
利用公式
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>ZP</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mfrac>
<msub>
<mi>Z</mi>
<mi>j</mi>
</msub>
<mrow>
<msup>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>p</mi>
</msup>
</mrow>
</mfrac>
<mo>/</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mfrac>
<mn>1</mn>
<mrow>
<msup>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>p</mi>
</msup>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
计算与作物本体信息Zi相对应的空间插值信息ZPi,其中dij为作物本体信息Zi和Zj之间的距离权重,
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>.</mo>
</mrow>
5.一种农作物决策支持装置,其特征在于,包括集合生成单元、误差获取单元、识别单元、插值信息确定单元和集合更新单元,其中:
集合生成单元,用于从数据库中读取出第Ti时刻的作物本体信息Zi,以生成检测信息集合,其中1≤i≤n,Zi表示分布于坐标(Xi,Yi)的作物在第Ti时刻的本体信息;
误差获取单元,用于对检测信息集合进行回归分析,以得到回归误差E;
识别单元,用于在误差获取单元得到回归误差E后,判断回归误差E是否小于预定的误差精度;
插值信息确定单元,用于根据识别单元的判断结果,在回归误差E小于预定的误差精度时,利用当前的反距离幂指数P,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息,以便利用得到的空间插值信息提供决策支持;
集合更新单元,用于根据识别单元的判断结果,在回归误差E不小于预定的误差精度时,判定为噪声干扰,将检测信息集合中具有最小时刻的作物本体信息删除;从数据库中读取出第T+Δt个时刻的作物本体信息ZT+Δt,其中T为当前检测信息集合中作物本体信息所具有的最大时刻,Δt为预定的时间间隔;将作物本体信息ZT+Δt放入检测信息集合中,以便对检测信息集合进行更新;然后指示误差获取单元执行对检测信息集合进行回归分析的操作。
6.根据权利要求5所述的装置,其特征在于,
误差获取单元具体用于利用公式
<mrow>
<mi>E</mi>
<mo>=</mo>
<msqrt>
<mfrac>
<mrow>
<mfrac>
<mn>1</mn>
<msup>
<mi>r</mi>
<mn>2</mn>
</msup>
</mfrac>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>n</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
</mfrac>
</msqrt>
</mrow>
计算回归误差E,其中r为:
<mrow>
<mi>r</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>T</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>Z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>Z</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>T</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>T</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>&CenterDot;</mo>
<msqrt>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Z</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>Z</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mfrac>
</mrow>
和分别为检测信息集合中本体信息及相关时刻的平均值。
7.根据权利要求5或6所述的装置,其特征在于,插值信息确定单元包括识别模块、插值信息确定模块、数组建立模块、标准差确定模块、幂指数确定模块,其中:
识别模块,用于判断当前的反距离幂指数P是否为0;
插值信息确定模块,用于根据识别模块的判断结果,在当前的反距离幂指数P不为0时,确定检测信息集合中与作物本体信息Zi相对应的空间插值信息;
数组建立模块,用于根据识别模块的判断结果,在当前的反距离幂指数P为0时,建立反距离幂指数数组P={P1,P2,…,Pm};
标准差确定模块,用于针对数组建立模块建立的反距离幂指数数组中的每个元素,计算检测信息集合的标准差σ;
幂指数确定模块,用于选择反距离幂指数数组中对应于最小标准差σ的元素作为当前的反距离幂指数P,然后指示插值信息确定模块执行确定检测信息集合中与作物本体信息Zi相对应的空间插值信息的操作。
8.根据权利要求7所述的装置,其特征在于,
插值信息确定模块在确定检测信息集合中与作物本体信息Zi相对应的空间插值信息时,具体用于利用公式
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>ZP</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mfrac>
<msub>
<mi>Z</mi>
<mi>j</mi>
</msub>
<mrow>
<msup>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>p</mi>
</msup>
</mrow>
</mfrac>
<mo>/</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mfrac>
<mn>1</mn>
<mrow>
<msup>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>p</mi>
</msup>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>j</mi>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
计算与作物本体信息Zi相对应的空间插值信息ZPi,其中dij为作物本体信息Zi和Zj之间的距离权重,
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>X</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>Y</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>Y</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
<mo>.</mo>
</mrow>
3
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410679288.XA CN104331836B (zh) | 2014-11-24 | 2014-11-24 | 农作物决策支持方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410679288.XA CN104331836B (zh) | 2014-11-24 | 2014-11-24 | 农作物决策支持方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104331836A CN104331836A (zh) | 2015-02-04 |
CN104331836B true CN104331836B (zh) | 2017-09-15 |
Family
ID=52406557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410679288.XA Active CN104331836B (zh) | 2014-11-24 | 2014-11-24 | 农作物决策支持方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104331836B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108133427A (zh) * | 2016-11-30 | 2018-06-08 | 山东省农业可持续发展研究所 | 一种山东农业政策分析和决策支持系统 |
US20220343439A1 (en) * | 2019-07-24 | 2022-10-27 | Smarta Industrial Pty Ltd | Local productivity prediction and management system |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103472502A (zh) * | 2013-09-18 | 2013-12-25 | 中山大学 | 动态展示区域空气质量和气象场的方法 |
CN103646299A (zh) * | 2013-12-19 | 2014-03-19 | 浙江省公众信息产业有限公司 | 基于神经元网络的农作物预测方法与装置 |
CN103678430A (zh) * | 2012-09-26 | 2014-03-26 | 浙江省公众信息产业有限公司 | 一种农业领域知识本体的表示方法 |
CN103678683A (zh) * | 2013-12-26 | 2014-03-26 | 浙江省公众信息产业有限公司 | 一种面向精细农业的加权空间模糊聚类方法和设备 |
CN103793851A (zh) * | 2014-03-04 | 2014-05-14 | 武汉大学 | 基于地理空间传感网的土壤水分实时监测和即时制图方法 |
-
2014
- 2014-11-24 CN CN201410679288.XA patent/CN104331836B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103678430A (zh) * | 2012-09-26 | 2014-03-26 | 浙江省公众信息产业有限公司 | 一种农业领域知识本体的表示方法 |
CN103472502A (zh) * | 2013-09-18 | 2013-12-25 | 中山大学 | 动态展示区域空气质量和气象场的方法 |
CN103646299A (zh) * | 2013-12-19 | 2014-03-19 | 浙江省公众信息产业有限公司 | 基于神经元网络的农作物预测方法与装置 |
CN103678683A (zh) * | 2013-12-26 | 2014-03-26 | 浙江省公众信息产业有限公司 | 一种面向精细农业的加权空间模糊聚类方法和设备 |
CN103793851A (zh) * | 2014-03-04 | 2014-05-14 | 武汉大学 | 基于地理空间传感网的土壤水分实时监测和即时制图方法 |
Non-Patent Citations (1)
Title |
---|
作物长势信息空间分析系统设计;李树强;《农业机械学报》;20131125;第235-236页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104331836A (zh) | 2015-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104200113A (zh) | 基于高斯过程的物联网数据不确定性度量、预测与野值剔除方法 | |
CN105243435B (zh) | 一种基于深度学习元胞自动机模型的土壤含水量预测方法 | |
CN107341577A (zh) | 一种农作物产量预测方法及系统 | |
CN102183621A (zh) | 水产养殖溶解氧浓度在线预测方法及系统 | |
CN105740991A (zh) | 基于改进bp神经网络拟合多种气候模式的气候变化预测方法及系统 | |
CN105629198B (zh) | 基于密度的快速搜索聚类算法的室内多目标追踪方法 | |
CN103840988A (zh) | 一种基于rbf神经网络的网络流量测量方法 | |
CN108090515B (zh) | 一种基于数据融合的环境等级评估方法 | |
CN101480143A (zh) | 一种预测灌区作物单产量的方法 | |
CN108632832B (zh) | 网络覆盖分析方法及系统 | |
CN104469936B (zh) | 基于智能空间的无线信号衰减模型的混合定位方法及系统 | |
CN109583695A (zh) | 一种湿地生态退化的评价方法及评价系统 | |
CN110321774B (zh) | 农作物灾情评估方法、装置、设备及计算机可读存储介质 | |
CN114970377A (zh) | 基于新安江与深度学习耦合模型的场次洪水预报方法和系统 | |
CN108491931A (zh) | 一种基于机器学习提高无损检测精度的方法 | |
CN108600965A (zh) | 一种基于客人位置信息的客流数据预测方法 | |
CN103885867B (zh) | 一种模拟电路性能的在线评价方法 | |
CN110991776A (zh) | 一种基于gru网络实现水位预测的方法及系统 | |
CN104331836B (zh) | 农作物决策支持方法和装置 | |
CN107977730A (zh) | 一种多传感器数据融合技术的风速测量方法 | |
CN107368687A (zh) | 一种气象单产模型的优选方法及装置 | |
CN106980874A (zh) | 一种面向配网大数据的多时态维度数据融合方法 | |
CN102621075B (zh) | 一种水稻抽穗期自动检测的方法 | |
CN117787081A (zh) | 一种基于Morris和Sobol法的水文模型参数不确定性分析方法 | |
Noor et al. | Prediction map of rainfall classification using random forest and inverse distance weighted (IDW) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |