CN104732299A - 一种玉米产量组合预测系统和方法 - Google Patents
一种玉米产量组合预测系统和方法 Download PDFInfo
- Publication number
- CN104732299A CN104732299A CN201510157963.7A CN201510157963A CN104732299A CN 104732299 A CN104732299 A CN 104732299A CN 201510157963 A CN201510157963 A CN 201510157963A CN 104732299 A CN104732299 A CN 104732299A
- Authority
- CN
- China
- Prior art keywords
- model
- prediction
- module
- combined
- yield
- 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.)
- Pending
Links
Abstract
本发明公开了一种玉米产量组合预测系统和方法,预测系统包括数据输入模块、模型库及智能组合模块、组合预测模块、参数管理模块、结果校验和输出模块。预测方法将产量预测分为播种面积预测和单产预测两个部分,根据预测的目标选择模型组合,根据基础数据变化幅度,决定组合模型各分模型权重,依据组合模型的权重分配得出组合预测结果并进行校验,最后以图表和文字输出组合预测结果。本发明能够根据不同的预测期限、预测变量要素和预测基础数据,对应组合不同的预测模型,有针对性的进行玉米产量预测,预测结果精度更高,适用范围更广,并能同时实现短期和中长期动态预测,满足农业研究需要。
Description
技术领域
本发明涉及智能农业技术领域,特别是涉及一种玉米产量组合预测系统和方法。
背景技术
采取科学的方法预测粮食产量,是粮食生产决策的重要依据。玉米在我国主要粮食作物中产量和消费量都最高,对社会经济发展和居民生活水平改善起着至关重要的作用。据预计,今后我国粮食需求的增长将主要集中在玉米,“十二五”末我国玉米消费量将超过2.2亿吨,每年新增需求达1000万吨之巨。据美国农业部预测报告显示,2024/25年度中国的玉米进口将达到目前的2倍多。玉米供求紧平衡的格局或将被打破,准确预测玉米的产量,对指导农业生产计划安排,合理确定进出口配额,具有重要的参考价值。
关于作物产量预测,已经开展了长期的研究,主要方法有以下几类:
最常用的是在作物即将收获前,由专家根据作物的长势依经验进行估产,或在收获时进行测产。专利CN200910067566公开了一种穗状玉米产量实时监测系统,通过收获地块的玉米籽粒含水量和玉米粒穗比模型测算玉米产量的方法。
另外一种常用的方法是根据化肥、农药等生产要素的投入与产量的相关性进行预测,预测时间可以提前到作物生长的中后期;专利CN200710027583公开了一种作物能量利用率评价及产量预测的方法,通过作物种植面积与作物产量差异系数来预测作物产量的方法。专利CN201010118848公开了一种海滨盐土蓖麻产量预测模型及其构建方法和应用,结合植被指数、土壤含盐量、施肥投入等因子,构建预测蓖麻产量的经验模型,预测海滨盐土蓖麻产量的方法。
根据遥感图像数据并结合实际监测预测作物产量的方法近年来得到广泛应用,预测时间可以提前到作物生长前期,但预测精度较低。专利CN201410155913公开了一种基于尺度转换和数据同化的农作物产量估测方法,基于尺度转换和数据同化的农作物产量估测方法,通过WOFOST作物模型的空间化,通过待测农作物关键物候期的遥感观测误差和作物模型误差,获得优化作物模型参数,预测县域待测农作物单产。
根据气象因素与作物生长的相关性,推测作物产量的方法得到学界的广泛重视。该类方法预测时间可以推进到作物生长前期,越是接近收获预测精度越高。专利CN201210179577公开了一种基于修订的区域气候模式数据的小麦产量预测方法,提供了一种基于修订的区域气候模式数据的小麦产量预测方法,通过区域气候模式数据与小麦生长模拟系统相结合,有效地提高了小麦成熟期和产量的预测精度,实现了小麦生长模拟系统和区域气候模式尺度上的统一。专利CN201410371605公开了一种基于知识与数据共同驱动的作物单产量预测方法,基于知识与数据共同驱动的作物单产量预测方法,根据未来某区域的气象数据来对该区域作物的单产量进行预测。
从现有的各类预测方法看,预测模型种类多样,缺乏对各类影响因素的综合性考虑,各种方法预测时间不一致,预测的结果一致性差,导致预测结果不准,难以取得令人信服的结论。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:提供一种玉米产量组合预测系统和方法,克服现有技术中的缺陷,调用不同模型开展组合预测,提高玉米产量预测精度,同时实现短期和中长期动态预测。
(二)技术方案
为了解决上述技术问题,本发明提供一种玉米产量组合预测系统,其包括数据输入模块、模型库及智能组合模块、组合预测模块、参数管理模块、结果校验和输出模块;所述数据输入模块用于输入预测基础数据,作为玉米产量预测所需要的预测变量要素,供组合预测模块调用;所述模型库及智能组合模块连接数据输入模块,用于收录主流的玉米产量预测模型,组合成模型库,并结合预测期限、预测变量要素的重要程度、预测基础数据的类型,选择预测模型的类型及组合方式,测算各个模型的权重,并调用相应的模型分别进行玉米产量预测;所述组合预测模块连接模型库及智能组合模块,组合预测模块包括播种面积预测单元和单产预测单元,用于进行玉米播种面积预测和单产预测;所述参数管理模块连接组合预测模块,参数管理模块用于对组合预测模块中所有模型的参数进行统一求解、管理和调用;所述结果校验和输出模块连接模型库及智能组合模块和组合预测模块,用于对预测结果进行校验和输出显示。
其中,所述基础数据包括耕地面积、玉米市场价格、竞争品作物价格、物质投入数据、气象数据、灾害数据、遥感数据、玉米田间长势数据。
其中,所述主流的玉米产量预测模型包括单产预测模型和播种面积预测模型;所述模型库中包括计量模型、作物生长模型、气候模型和经验模型。
其中,所述播种面积预测单元包括6个月以上期限的中长期预测模块、6个月以内期限的短期预测模块,以及市场价格变化、作物品种更新、耕地面积变动中某一种因素的变化对播种面积影响的专项预测模块,中长期预测模块选用计量模型,短期预测模块选用计量模型和经验模型,专项预测模块选用计量模型和经验模型。
其中,所述单产预测单元包括6个月以上期限的中长期预测模块、6个月以内期限的短期预测模块以及气候变化、自然灾害、作物品种更新、化肥投入变动中某一因素的变化对玉米单产影响的专项预测模块,中长期预测模块选用计量模型、作物生长模型和气候模型,短期预测模块选用作物生长模型、气候模型和经验模型,专项预测模块选用作物生长模型、气候模型和经验模型。
本发明还提供了一种玉米产量组合预测方法,其包括以下步骤:
步骤一:将产量预测分为播种面积预测和单产预测两个部分;
步骤二:输入组合模型所需要的基础数据,并通过输入模块输入模型预测的基础数据并处理成预测模型要求的固定格式;
步骤三:根据预测的目标选择模型组合;
步骤四:根据基础数据变化幅度,决定组合模型各分模型权重;
步骤五:调用模型和参数进行组合预测,得出不同模型的预测结果,对预测结果进行校验;
步骤六:依据组合模型的权重分配得出组合预测结果并进行校验,保证结果合理性;
步骤七:以图表和文字输出组合预测结果。
其中,所述步骤三中,根据预测的目标选择模型组合包括:
所述播种面积预测包括6个月以上期限的中长期预测、6个月以内期限的短期预测,以及市场价格变化、作物品种更新、耕地面积变动中某一种因素的变化对播种面积的影响的专项预测,中长期预测选用计量模型,短期预测选用计量模型和经验模型,专项预测选用计量模型和经验模型;
单产预测包括6个月以上期限的中长期预测、6个月以内期限的短期预测,以及气候变化、自然灾害、作物品种更新、化肥投入变动中某一因素的变化对玉米单产影响的专项预测,中长期预测选用计量模型、作物生长模型和气候模型,短期预测选用作物生长模型、气候模型和经验模型,专项预测选用作物生长模型、气候模型和经验模型。
其中,所述步骤四中,模型权重计算公式为:
式中:Pi为第i个模型的权重,Sij为第i个模型第j个因素的当期值,Sij为第i个模型第j个因素的上期值。
其中,所述步骤六中,组合模型预测结果公式为:
式中:Y为组合模型预测结果,Yi为第i个模型预测结果,Pi为第i个模型的权重。
(三)有益效果
上述技术方案具有如下优点:本发明能够根据不同的预测期限、预测变量要素和预测基础数据,对应组合不同的预测模型,有针对性的进行玉米产量预测,预测结果精度更高,适用范围更广,并能同时实现短期和中长期动态预测,满足农业研究需要。
附图说明
图1是本发明实施例玉米产量组合预测系统的原理框图;
图2是本发明实施例玉米产量组合预测方法的流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
参照图1所示,本发明实施例玉米产量组合预测系统包括数据输入模块1、模型库及智能组合模块2、组合预测模块3、参数管理模块4、结果校验和输出模块5等五个模块。
具体地,数据输入模块1用于根据预测需要,输入耕地面积、玉米市场价格、水稻、大豆、小麦等相关竞争品价格、化肥、农药、灌溉等物质投入数据、气象数据、灾害数据、遥感数据、玉米田间长势数据等预测基础数据,作为玉米产量预测所需要的预测变量要素,预测基础数据包括数值、文本、图像等格式,通过数据输入模块处理成智能组合模块要求的固定格式并存储在数据库中,供组合预测模块调用。
其中,数据输入模块1可以为鼠标、键盘与计算机等硬件设备和SQL数据库系统的组合。
模型库及智能组合模块2连接数据输入模块1,用于收录主流的玉米产量预测模型,包括单产预测模型和播种面积预测模型,组合成模型库,模型库中主要包括计量模型、作物生长模型、气候模型、经验模型等,并根据每个模型的特点界定其适用范围。根据预测需求确定预测期限的长短,预测期为6个月以内的为短期,6个月-3年为中期,3年以上为长期;再结合预测期限、预测变量要素的重要程度、预测基础数据的类型等,选择预测模型的类型及组合方式,并调用相应的模型分别进行玉米单产和播种面积的预测。
组合预测模块3连接模型库及智能组合模块2,组合预测模块3包括播种面积预测单元和单产预测单元。播种面积预测单元主要调用计量模型和经验模型两类模型,用于开展玉米播种面积的长期和中短期预测,也可用于市场价格变化、作物品种更新、耕地面积变动等因素中某一种因素的较大变化对播种面积的影响的专项预测。单产预测单元调用计量模型、作物生长模型、气候模型和经验模型四类模型,用于组合开展玉米单产的短期和中长期预测,也可用于气候变化、自然灾害、作物品种更新、化肥投入变动等因素中某一因素的较大变化对玉米单产影响的专项预测。
其中,两个预测单元均包括模型预测和权重确定两个步骤,模型预测主要通过模型调用相应的预测变量要素,参考统一的模型参数设置,模拟形成专用模型参数,开展预测,得出预测结果。权重确定主要根据预测变量要素的环比的变动幅度高低及所占的比重决定。
模型权重计算公式为:
式中:Pi为第i个模型的权重,Sij′为第i个模型第j个因素的当期值,Sij为第i个模型第j个因素的上期值。
组合模型预测结果公式为:
式中:Y为组合模型预测结果,Yi为第i个模型预测结果,Pi为第i个模型的权重。
参数管理模块4连接组合预测模块3,参数管理模块4负责对组合预测模块3中所有模型的参数进行统一求解、管理和调用,确保参数的合理性和科学性。即根据组合模型的要求,为预测模型需要的参数进行求解,在求解时保证组合模型中所有模型的参数设置处于相同条件,当预测变量要素或模型组合变化时自动对参数进行调整;对各模型的参数进行管理,对参数变更进行记录。
结果校验和输出模块5连接模型库及智能组合模块2和组合预测模块3,结果校验和输出模块5包括结果校验和结果输出两个单元。结果校验单元负责对组合预测结果的准确性和合理性进行校验,主要校验方法是以播种面积和单产的历史平均值为依据设置最高(高于15%)和最低限值(低于15%),对严重偏离限值的预测结果进行校验;同时通过各因素之间的数量关系进行逻辑校验,如同一预测模型Pi值之和等于1、同期作物播种面积必须低于耕地面积,在值域范围内则采用预测结果,超出值域范围则返回预测模块重新开展预测。结果输出单元负责将校验合格的结果以图表和文字的形式输出。
基于上述预测系统的结构和原理,参照图2所示,本实施例的玉米产量组合预测方法包括以下步骤:
步骤一:将产量预测分为播种面积预测和单产预测两个部分;
步骤二:输入组合模型所需要的基础数据,并通过输入模块输入模型预测的基础数据并处理成预测模型要求的固定格式;
其中,播种面积预测对应的计量模型所需要输入的基础数据包括耕地面积、市场价格、竞争品价格、种子销量和卫星遥感信息,经验模型所需要输入的基础数据包括种植意向和作物配置;单产预测对应的计量模型所需要输入的基础数据包括物质投入、管理措施、卫星遥感信息和气象条件,作物生长模型所需要输入的基础数据包括物质投入、气象条件和自然灾害,气候模型所需要输入的基础数据包括气象条件和自然灾害,经验模型所需要输入的基础数据包括自然灾害和作物长势。
步骤三:根据预测的目标选择模型组合;
其中,播种面积预测包括6个月以上期限的中长期预测、6个月以内期限的短期预测,以及市场价格变化、作物品种更新、耕地面积变动等因素中某一种因素的较大变化对播种面积的影响的专项预测,中长期预测选用计量模型,短期预测选用计量模型和经验模型,专项预测选用计量模型和经验模型。
单产预测包括6个月以上期限的中长期预测、6个月以内期限的短期预测,以及气候变化、自然灾害、作物品种更新、化肥投入变动等因素中某一因素的较大变化对玉米单产影响的专项预测,中长期预测选用计量模型、作物生长模型和气候模型,短期预测选用作物生长模型、气候模型和经验模型,专项预测选用作物生长模型、气候模型和经验模型。
步骤四:根据基础数据变化幅度,决定组合模型各分模型权重;
其中,模型权重计算公式为:
式中:Pi为第i个模型的权重,Sij′为第i个模型第j个因素的当期值,Sij为第i个模型第j个因素的上期值。
步骤五:调用模型和参数进行组合预测,得出不同模型的预测结果,对预测结果进行校验;
步骤六:依据组合模型的权重分配得出组合预测结果并进行校验,保证结果合理性;
组合模型预测结果公式为:
式中:Y为组合模型预测结果,Yi为第i个模型预测结果,Pi为第i个模型的权重。
步骤七:以图表和文字输出组合预测结果。
由以上实施例可以看出,本发明系统和方法能够根据不同的预测期限、预测变量要素和预测基础数据,对应组合不同的预测模型,有针对性的进行玉米产量预测,预测结果精度更高,适用范围更广,并能同时实现短期和中长期动态预测,满足农业研究需要。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (9)
1.一种玉米产量组合预测系统,其特征在于,包括数据输入模块、模型库及智能组合模块、组合预测模块、参数管理模块、结果校验和输出模块;所述数据输入模块输入预测基础数据,作为玉米产量预测所需要的预测变量要素,供组合预测模块调用;所述模型库及智能组合模块连接数据输入模块,用于收录主流的玉米产量预测模型,组合成模型库,并结合预测期限、预测变量要素的重要程度、预测基础数据的类型,选择预测模型的类型及组合方式,测算各个模型的权重,并调用相应的模型分别进行玉米产量预测;所述组合预测模块连接模型库及智能组合模块,组合预测模块包括播种面积预测单元和单产预测单元,用于进行玉米播种面积预测和单产预测;所述参数管理模块连接组合预测模块,参数管理模块用于对组合预测模块中所有模型的参数进行统一求解、管理和调用;所述结果校验和输出模块连接模型库及智能组合模块和组合预测模块,用于对预测结果进行校验和输出显示。
2.如权利要求1所述的玉米产量组合预测系统,其特征在于,所述基础数据包括耕地面积、玉米市场价格、竞争品作物价格、物质投入数据、气象数据、灾害数据、遥感数据、玉米田间长势数据。
3.如权利要求1所述的玉米产量组合预测系统,其特征在于,所述主流的玉米产量预测模型包括单产预测模型和播种面积预测模型;所述模型库中包括计量模型、作物生长模型、气候模型和经验模型。
4.如权利要求3所述的玉米产量组合预测系统,其特征在于,所述播种面积预测单元包括6个月以上期限的中长期预测模块、6个月以内期限的短期预测模块,以及市场价格变化、作物品种更新、耕地面积变动中某一种因素的变化对播种面积影响的专项预测模块,中长期预测模块选用计量模型,短期预测模块选用计量模型和经验模型,专项预测模块选用计量模型和经验模型。
5.如权利要求3所述的玉米产量组合预测系统,其特征在于,所述单产预测单元包括6个月以上期限的中长期预测模块、6个月以内期限的短期预测模块,以及气候变化、自然灾害、作物品种更新、化肥投入变动中某一因素的变化对玉米单产影响的专项预测模块,中长期预测模块选用计量模型、作物生长模型和气候模型,短期预测模块选用作物生长模型、气候模型和经验模型,专项预测模块选用作物生长模型、气候模型和经验模型。
6.一种玉米产量组合预测方法,其特征在于,包括以下步骤:
步骤一:将产量预测分为播种面积预测和单产预测两个部分;
步骤二:输入组合模型所需要的基础数据,并通过输入模块输入模型预测的基础数据并处理成预测模型要求的固定格式;
步骤三:根据预测的目标选择模型组合;
步骤四:根据基础数据变化幅度,决定组合模型各分模型权重;
步骤五:调用模型和参数进行组合预测,得出不同模型的预测结果,对预测结果进行校验;
步骤六:依据组合模型的权重分配得出组合预测结果并进行校验,保证结果合理性;
步骤七:以图表和文字输出组合预测结果。
7.如权利要求6所述的玉米产量组合预测方法,其特征在于,所述步骤三中,根据预测的目标选择模型组合包括:
所述播种面积预测包括6个月以上期限的中长期预测、6个月以内期限的短期预测,以及市场价格变化、作物品种更新、耕地面积变动中某一种因素的变化对播种面积的影响的专项预测,中长期预测选用计量模型,短期预测选用计量模型和经验模型,专项预测选用计量模型和经验模型;
单产预测包括6个月以上期限的中长期预测、6个月以内期限的短期预测,以及气候变化、自然灾害、作物品种更新、化肥投入变动中某一因素的变化对玉米单产影响的专项预测,中长期预测选用计量模型、作物生长模型和气候模型,短期预测选用作物生长模型、气候模型和经验模型,专项预测选用作物生长模型、气候模型和经验模型。
8.如权利要求6所述的玉米产量组合预测方法,其特征在于,所述步骤四中,模型权重计算公式为:
式中:Pi为第i个模型的权重,Sij′为第i个模型第j个因素的当期值,Sij为第i个模型第j个因素的上期值。
9.如权利要求8所述的玉米产量组合预测方法,其特征在于,所述步骤六中,组合模型预测结果公式为:
式中:Y为组合模型预测结果,Yi为第i个模型预测结果,Pi为第i个模型的权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510157963.7A CN104732299A (zh) | 2015-04-03 | 2015-04-03 | 一种玉米产量组合预测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510157963.7A CN104732299A (zh) | 2015-04-03 | 2015-04-03 | 一种玉米产量组合预测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104732299A true CN104732299A (zh) | 2015-06-24 |
Family
ID=53456171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510157963.7A Pending CN104732299A (zh) | 2015-04-03 | 2015-04-03 | 一种玉米产量组合预测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104732299A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326621A (zh) * | 2015-06-30 | 2017-01-11 | 中国石油化工股份有限公司 | 一种确定油田预测油气储量合理性的方法 |
CN106682756A (zh) * | 2015-11-11 | 2017-05-17 | 中国中医科学院中药研究所 | 一种基于rs/gis的冬虫夏草产量预测模型 |
CN107341577A (zh) * | 2017-07-25 | 2017-11-10 | 中国农业科学院农业信息研究所 | 一种农作物产量预测方法及系统 |
CN107368924A (zh) * | 2017-07-25 | 2017-11-21 | 中国农业科学院农业信息研究所 | 一种建立趋势单产模型的方法及系统 |
CN108985260A (zh) * | 2018-08-06 | 2018-12-11 | 航天恒星科技有限公司 | 一种遥感及气象一体化水稻估产方法 |
CN109816158A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技(深圳)有限公司 | 预测模型的组合方法、装置、设备及可读存储介质 |
CN109934397A (zh) * | 2019-03-05 | 2019-06-25 | 中国农业科学院农业信息研究所 | 一种农产品产量预测方法及系统 |
WO2019128089A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳春沐源控股有限公司 | 作物产量的预测方法、终端、计算机可读存储介质 |
CN110243406A (zh) * | 2019-06-21 | 2019-09-17 | 武汉思众空间信息科技有限公司 | 农作物估产方法、装置、电子设备及存储介质 |
CN110298681A (zh) * | 2019-04-24 | 2019-10-01 | 内蒙古科技大学 | 一种价格预测方法 |
CN111915096A (zh) * | 2020-08-14 | 2020-11-10 | 中国科学院地理科学与资源研究所 | 基于作物模型、遥感数据和气候预测信息的作物产量早期预报技术 |
CN112288457A (zh) * | 2020-06-23 | 2021-01-29 | 北京沃东天骏信息技术有限公司 | 基于多模型计算融合的数据处理方法及装置、设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
CN102162850A (zh) * | 2010-04-12 | 2011-08-24 | 江苏省农业科学院 | 基于模型的小麦产量遥感监测预报方法 |
CN104134003A (zh) * | 2014-07-30 | 2014-11-05 | 中国科学院自动化研究所 | 基于知识与数据共同驱动的作物单产量预测方法 |
-
2015
- 2015-04-03 CN CN201510157963.7A patent/CN104732299A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102162850A (zh) * | 2010-04-12 | 2011-08-24 | 江苏省农业科学院 | 基于模型的小麦产量遥感监测预报方法 |
CN101916337A (zh) * | 2010-08-23 | 2010-12-15 | 湖南大学 | 一种基于地理信息系统的水稻生产潜力动态预测方法 |
CN104134003A (zh) * | 2014-07-30 | 2014-11-05 | 中国科学院自动化研究所 | 基于知识与数据共同驱动的作物单产量预测方法 |
Non-Patent Citations (3)
Title |
---|
KOGAN F, KUSSUL N, ADAMENKO T, ET AL: ""Winter wheat yield forecasting in Ukraine based on Earth observation, meteorological data and biophysical models"", 《INTERNATIONAL JOURNAL OF APPLIED EARTH OBSERVATION & GEOINFORMATION》 * |
丁晨芳: ""组合模型分析方法在我国粮食产量预测中的应用"", 《农业现代化研究》 * |
张荣达等: ""毕节试验区粮食产量组合预测模型研究"", 《现代农业科技》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326621A (zh) * | 2015-06-30 | 2017-01-11 | 中国石油化工股份有限公司 | 一种确定油田预测油气储量合理性的方法 |
CN106326621B (zh) * | 2015-06-30 | 2019-02-01 | 中国石油化工股份有限公司 | 一种确定油田预测油气储量合理性的方法 |
CN106682756A (zh) * | 2015-11-11 | 2017-05-17 | 中国中医科学院中药研究所 | 一种基于rs/gis的冬虫夏草产量预测模型 |
CN106682756B (zh) * | 2015-11-11 | 2021-11-02 | 中国中医科学院中药研究所 | 一种基于rs/gis的冬虫夏草产量预测模型 |
CN107341577A (zh) * | 2017-07-25 | 2017-11-10 | 中国农业科学院农业信息研究所 | 一种农作物产量预测方法及系统 |
CN107368924A (zh) * | 2017-07-25 | 2017-11-21 | 中国农业科学院农业信息研究所 | 一种建立趋势单产模型的方法及系统 |
WO2019128089A1 (zh) * | 2017-12-29 | 2019-07-04 | 深圳春沐源控股有限公司 | 作物产量的预测方法、终端、计算机可读存储介质 |
CN108985260A (zh) * | 2018-08-06 | 2018-12-11 | 航天恒星科技有限公司 | 一种遥感及气象一体化水稻估产方法 |
CN108985260B (zh) * | 2018-08-06 | 2022-03-04 | 航天恒星科技有限公司 | 一种遥感及气象一体化水稻估产方法 |
CN109816158A (zh) * | 2019-01-04 | 2019-05-28 | 平安科技(深圳)有限公司 | 预测模型的组合方法、装置、设备及可读存储介质 |
CN109934397A (zh) * | 2019-03-05 | 2019-06-25 | 中国农业科学院农业信息研究所 | 一种农产品产量预测方法及系统 |
CN110298681A (zh) * | 2019-04-24 | 2019-10-01 | 内蒙古科技大学 | 一种价格预测方法 |
CN110243406A (zh) * | 2019-06-21 | 2019-09-17 | 武汉思众空间信息科技有限公司 | 农作物估产方法、装置、电子设备及存储介质 |
CN110243406B (zh) * | 2019-06-21 | 2021-06-15 | 武汉思众空间信息科技有限公司 | 农作物估产方法、装置、电子设备及存储介质 |
CN112288457A (zh) * | 2020-06-23 | 2021-01-29 | 北京沃东天骏信息技术有限公司 | 基于多模型计算融合的数据处理方法及装置、设备和介质 |
CN111915096A (zh) * | 2020-08-14 | 2020-11-10 | 中国科学院地理科学与资源研究所 | 基于作物模型、遥感数据和气候预测信息的作物产量早期预报技术 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104732299A (zh) | 一种玉米产量组合预测系统和方法 | |
US11941709B2 (en) | Methods and systems for managing crop harvesting activities | |
Thorp et al. | Development and application of process-based simulation models for cotton production: A review of past, present, and future directions | |
Gómez-Limón et al. | Multicriteria analysis of derived water demand functions: a Spanish case study | |
CN107392376B (zh) | 一种农作物气象产量预测方法及系统 | |
Li et al. | Optimization of irrigation scheduling for spring wheat based on simulation-optimization model under uncertainty | |
McCarthy et al. | Advanced process control of irrigation: the current state and an analysis to aid future development | |
DeJonge et al. | Simulating the effects of spatially variable irrigation on corn yields, costs, and revenue in Iowa | |
Linker et al. | Efficient model-based sub-optimal irrigation scheduling using imperfect weather forecasts | |
An-Vo et al. | Value of seasonal forecasting for sugarcane farm irrigation planning | |
Maraseni et al. | Integrated analysis for a carbon-and water-constrained future: an assessment of drip irrigation in a lettuce production system in eastern Australia | |
Jain et al. | Optimization techniques for crop planning: A review | |
CN109829134A (zh) | 长序列农田灌溉定额测算方法 | |
CN112598277A (zh) | 一种评估跨区域缩小冬小麦产量差与提高氮肥效率的方法 | |
Recio et al. | A decision support system for analysing the impact of water restriction policies | |
Variani et al. | Development of a novel framework for agriculture simulation model for food-energy-water nexus analysis in watershed-scale | |
Namitulina et al. | Socio-economic factors in stimulating agriculture in a crisis | |
McCarthy et al. | Real-time data requirements for model-based adaptive control of irrigation scheduling in cotton | |
Fue et al. | Remote scheduling system for drip irrigation system using geographic information system | |
Amatya et al. | Economic analysis of optimal nitrogen application in corn production | |
Lehmann et al. | Optimizing wheat management towards climate change: A genetic algorithms approach | |
Lin et al. | Research on Precision Cultivation of Digital Multimedia Crop Based on Predictive Computational Intelligence Technology | |
CN202677450U (zh) | 烟草施肥系统 | |
Nair | Three essays on the economics of precision agriculture in cotton production | |
Abadi et al. | A simple framework for profitable fertiliser use under risk and soil constraints. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150624 |