CN115600760A - 一种甘蔗区域单产预测方法及系统 - Google Patents
一种甘蔗区域单产预测方法及系统 Download PDFInfo
- Publication number
- CN115600760A CN115600760A CN202211397265.0A CN202211397265A CN115600760A CN 115600760 A CN115600760 A CN 115600760A CN 202211397265 A CN202211397265 A CN 202211397265A CN 115600760 A CN115600760 A CN 115600760A
- Authority
- CN
- China
- Prior art keywords
- yield
- prediction
- year
- sugarcane
- unit
- 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
- 240000000111 Saccharum officinarum Species 0.000 title claims abstract description 214
- 235000007201 Saccharum officinarum Nutrition 0.000 title claims abstract description 214
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004364 calculation method Methods 0.000 claims description 34
- 238000004519 manufacturing process Methods 0.000 claims description 17
- 238000012935 Averaging Methods 0.000 claims description 11
- 238000012216 screening Methods 0.000 claims description 9
- 238000000611 regression analysis Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 238000011160 research Methods 0.000 description 5
- CZMRCDWAGMRECN-UGDNZRGBSA-N Sucrose Chemical compound O[C@H]1[C@H](O)[C@@H](CO)O[C@@]1(CO)O[C@@H]1[C@H](O)[C@@H](O)[C@H](O)[C@@H](CO)O1 CZMRCDWAGMRECN-UGDNZRGBSA-N 0.000 description 2
- 229930006000 Sucrose Natural products 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000005720 sucrose Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003337 fertilizer Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Mining & Mineral Resources (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种甘蔗区域单产预测方法及系统,首先根据甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差;其次根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差;然后根据第一预测平均误差和第二预测平均误差确定最优甘蔗预测模型;最后将截止当年生育期的气象数据输入至所述最优甘蔗预测模型进行预测,获得甘蔗区域单产。本发明结合实际单产与气象单产分别构建区域单产预测模型,从中选取最优甘蔗预测模型,进而实现对甘蔗单产预测,进一步提高了甘蔗单产预测的准确性。
Description
技术领域
本发明属于农作物单产预测技术领域,具体涉及一种甘蔗区域单产预测方法及系统。
背景技术
甘蔗是蔗糖的主要原料。我国蔗糖单产占食糖单产的90%以上,广西甘蔗90万公顷左右,占全国单产2/3以上。甘蔗单产波动主要受气象条件的影响,不同地区影响单产的气象条件不同。甘蔗单产的预测对于甘蔗种植产业和加工产业效益的提高具有重要的经济价值。
在CN201610893807.1专利中,仅仅考虑了太阳辐射和日照时长,在无水肥胁迫的模拟条件下预测甘蔗潜在单产,显然上述方案预测甘蔗单产存在准确性低的问题。
发明内容
基于上述技术问题,本发明提供一种甘蔗区域单产预测方法及系统,以提高甘蔗单产预测的准确性。
其具体技术方案为:
本发明公开一种甘蔗区域单产预测方法,所述方法包括:
获取甘蔗区域单产数据和区域气象数据。
基于单产最大原则,对所述区域气象数据进行筛选,获得多个关键气象指标。
根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差。
根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差。
判断所述第一预测平均误差是否小于所述第二预测平均误差;如果所述第一预测平均误差小于所述第二预测平均误差,则将所述第一区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差大于所述第二预测平均误差,则将所述第二区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差等于所述第二预测平均误差,则随机选取所述第一区域单产预测模型或所述第二区域单产预测模型作为最优甘蔗预测模型。
将截止当年生育期的气象数据输入至所述最优甘蔗预测模型进行预测,获得甘蔗区域单产。
可选地,所述根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差,具体步骤包括:
根据所述甘蔗区域单产数据和各年关键气象指标确定第一区域单产预测模型的模型参数。
将第j年多个关键气象指标和第j-1年甘蔗实际单产带入已确定模型参数的第一区域单产预测模型,获得第j年第一甘蔗预测单产;其中,j为大于1的正整数。
根据第j年第一甘蔗预测单产和第j年甘蔗实际单产计算第j年第一预测误差。
将各年第一预测误差先取绝对值后累加再取平均,获得第一预测平均误差。
可选地,所述根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差,具体步骤包括:
采用回归分析法,根据所述甘蔗区域单产数据构建回归方程。
根据所述回归方程确定每一年对应的回归值。
将每一年实际单产减去每一年对应的回归值,获得各年气象单产。
根据所述各年气象单产和各年关键气象指标确定气象单产预测模型的模型参数。
根据已确定模型参数的气象单产预测模型和各年平均气象条件单产构建第二区域单产预测模型。
将第j-1年气象单产、第j年多个关键气象指标和第j年平均气象条件单产带入第二区域单产预测模型,获得第j年第二甘蔗预测单产;其中,j为大于1的正整数。
根据第j年第二甘蔗预测单产和第j年甘蔗实际单产计算第j年第二预测误差。
将各年第二预测误差先取绝对值后累加再取平均,获得第二预测平均误差。
可选地,所述将第j-1年气象单产、第j年多个关键气象指标和第j年平均气象条件单产带入第二区域单产预测模型,获得第j年第二甘蔗预测单产,具体公式为:
其中,为第j年利用第二个区域单产预测模型预测的甘蔗单产,简称第j年第二甘蔗预测单产,X'1j-1为第j-1年气象单产,g()为已确定模型参数的气象单产模型,X2j、X3j……Xnj为第j年一个生产周期内n-1个关键气象条件指标,Qj为第j年平均气象条件单产,n和j均为大于1的正整数。
可选地,所述将第j年多个关键气象指标和第j-1年甘蔗实际单产带入已确定模型参数的第一区域单产预测模型,获得第j年第一甘蔗预测单产;具体计算公式为:
其中,X1(j-1)为第j-1年甘蔗实际单产,X2j、X3j……Xnj为第j年一个生产周期内n-1个关键气象指标,为第j年利用第一个区域单产预测模型预测的甘蔗单产,简称第j年第一甘蔗预测单产,f()为已确定模型参数的第一区域单产预测模型,n和j均为大于1的正整数。
本发明还公开一种甘蔗区域单产预测系统,所述系统包括:
获取模块,用于获取甘蔗区域单产数据和区域气象数据。
筛选模块,用于基于单产最大原则,对所述区域气象数据进行筛选,获得多个关键气象指标。
第一预测平均误差计算模块,用于根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差。
第二预测平均误差计算模块,用于根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差。
判断模块,用于判断所述第一预测平均误差是否小于所述第二预测平均误差;如果所述第一预测平均误差小于所述第二预测平均误差,则将所述第一区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差大于所述第二预测平均误差,则将所述第二区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差等于所述第二预测平均误差,则随机选取所述第一区域单产预测模型或所述第二区域单产预测模型作为最优甘蔗预测模型。
预测模块,用于将截止当年生育期的气象数据输入至所述最优甘蔗预测模型进行预测,获得甘蔗区域单产。
可选地,所述第一预测平均误差计算模块,具体包括:
区域单产预测模型参数确定单元,用于根据所述甘蔗区域单产数据和各年关键气象指标确定第一区域单产预测模型的模型参数。
第一甘蔗预测单产计算单元,用于将第j年多个关键气象指标和第j-1年甘蔗实际单产带入已确定模型参数的第一区域单产预测模型,获得第j年第一甘蔗预测单产;其中,j为大于1的正整数。
第一预测误差计算单元,用于根据第j年第一甘蔗预测单产和第j年甘蔗实际单产计算第j年第一预测误差。
第一预测平均误差计算单元,用于将各年第一预测误差先取绝对值后累加再取平均,获得第一预测平均误差。
可选地,所述第二预测平均误差计算模块,具体包括:
回归方程构建单元,用于采用回归分析法,根据所述甘蔗区域单产数据构建回归方程。
回归值确定单元,用于根据所述回归方程确定每一年对应的回归值。
各年气象单产计算单元,用于将每一年实际单产减去每一年对应的回归值,获得各年气象单产。
气象单产预测模型参数确定单元,用于根据所述各年气象单产和各年关键气象指标确定气象单产预测模型的模型参数。
第二区域单产预测模型构建单元,用于根据已确定模型参数的气象单产预测模型和各年平均气象条件单产构建第二区域单产预测模型。
第二甘蔗预测单产计算单元,用于将第j-1年气象单产、第j年多个关键气象指标和第j年平均气象条件单产带入第二区域单产预测模型,获得第j年第二甘蔗预测单产;其中,j为大于1的正整数。
第二预测误差计算单元,用于根据第j年第二甘蔗预测单产和第j年甘蔗实际单产计算第j年第二预测误差。
第二预测平均误差计算单元,用于将各年第二预测误差先取绝对值后累加再取平均,获得第二预测平均误差。
可选地,所述将第j-1年气象单产、第j年多个关键气象指标和第j年平均气象条件单产带入第二区域单产预测模型,获得第j年第二甘蔗预测单产,具体公式为:
其中,为第j年利用第二个区域单产预测模型预测的甘蔗单产,简称第j年第二甘蔗预测单产,X'1j-1为第j-1年气象单产,g()为已确定模型参数的气象单产模型,X2j、X3j……Xnj为第j年一个生产周期内n-1个关键气象条件指标,Qj为第j年平均气象条件单产,n和j均为大于1的正整数。
可选地,所述将第j年多个关键气象指标和第j-1年甘蔗实际单产带入已确定模型参数的第一区域单产预测模型,获得第j年第一甘蔗预测单产;具体计算公式为:
其中,X1(j-1)为第j-1年甘蔗实际单产,X2j、X3j……Xnj为第j年一个生产周期内n-1个关键气象指标,为第j年利用第一个区域单产预测模型预测的甘蔗单产,简称第j年第一甘蔗预测单产,f()为已确定模型参数的第一区域单产预测模型,n和j均为大于1的正整数。
与现有技术相比,本发明公开的方案具有以下有益效果:
本发明公开一种甘蔗区域单产预测方法及系统,首先根据甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差;其次根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差;然后根据第一预测平均误差和第二预测平均误差确定最优甘蔗预测模型;最后将截止当年生育期的气象数据输入至所述最优甘蔗预测模型进行预测,获得甘蔗区域单产。本发明结合实际单产与气象单产分别构建区域单产预测模型,从中选取最优甘蔗预测模型,进而实现对甘蔗单产预测,进一步提高了甘蔗单产预测的准确性。
附图说明
图1为本发明的一种甘蔗区域单产预测方法流程图;
图2为本发明的一种甘蔗区域单产预测系统结构图。
具体实施方式
下面结合具体实施案例和附图对本发明作进一步说明,但本发明并不局限于这些实施例。
实施例1
如图1所示,本发明公开一种甘蔗区域单产预测方法,方法包括:
步骤S1:获取甘蔗区域单产数据和区域气象数据。
步骤S2:基于单产最大原则,对所述区域气象数据进行筛选,获得多个关键气象指标。
步骤S3:根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差;所述第一区域单产预测模型为第一个区域单产预测模型;所述第一预测平均误差为利用第一个区域单产预测模型预测的平均误差。
步骤S4:根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差;所述第二区域单产预测模型为第二个区域单产预测模型;所述第二预测平均误差为利用第二个区域单产预测模型预测的平均误差。
步骤S5:判断所述第一预测平均误差是否小于所述第二预测平均误差;如果所述第一预测平均误差小于所述第二预测平均误差,则将所述第一区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差大于所述第二预测平均误差,则将所述第二区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差等于所述第二预测平均误差,则随机选取所述第一区域单产预测模型或所述第二区域单产预测模型作为最优甘蔗预测模型。
步骤S6:将截止当年生育期的气象数据输入至所述最优甘蔗预测模型进行预测,获得甘蔗区域单产。
下面对各个步骤进行详细论述:
步骤S1:获取甘蔗区域单产数据和甘蔗区域气象数据;单产数据为同一地区设定公顷甘蔗种植地,连续设定时间监测获得的甘蔗实际单产;本实施例中,设定公顷为2000公顷以上,设定时间取为10年以上,可以根据实际需求进行选择。
气象数据使用就近国家气象站的每日气象数据,气象数据包括每日的最高温度、平均温度、最低温度、平均相对湿度、最小相对湿度、降水量和日照时数。
步骤S3:根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差,具体包括:
步骤S31:根据所述甘蔗区域单产数据和各年关键气象指标确定第一区域单产预测模型的模型参数a0、a1、a2、a3……an。
第一区域单产预测模型的具体公式为:
f(X1(j-1)、X2j、X3j……Xnj)=a0+a1×X1(j-1)+a2×X2j+a3×X3j+……+an×Xnj;
其中,X1(j-1)为第j-1年甘蔗实际单产,X2j、X3j……Xnj为第j年一个生产周期内n-1个关键气象指标,a0、a1、a2、a3……an为统计方法获得的模型参数,f()为已确定模型参数的第一区域单产预测模型,n和j均为大于1的正整数。
步骤S32:将第j年多个关键气象指标和第j-1年甘蔗实际单产带入已确定模型参数的第一区域单产预测模型,获得第j年第一甘蔗预测单产;具体计算公式为:
其中,X1(j-1)为第j-1年甘蔗实际单产,X2j、X3j……Xnj为第j年一个生产周期内n-1个关键气象指标,为第j年利用第一个区域单产预测模型预测的甘蔗单产,简称第j年第一甘蔗预测单产,f()为已确定模型参数的第一区域单产预测模型,n和j均为大于1的正整数。
步骤S33:根据第j年第一甘蔗预测单产和第j年甘蔗实际单产计算第j年第一预测误差,具体计算公式为:
步骤S34:将各年第一预测误差先取绝对值后累加再取平均,获得第一预测平均误差,具体计算公式为:
其中,△Y1为利用第一个区域单产预测模型预测的平均误差,简称第一预测平均误差,△Y1j为第j年第一预测误差,k为总年数。
步骤S4:根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差,具体包括:
步骤S41:采用回归分析法,根据所述甘蔗区域单产数据构建回归方程;所述回归方程的横坐标表示年份,纵坐标表示甘蔗实际单产。
步骤S42:根据所述回归方程确定每一年对应的回归值;所述回归方程中每一年对应的回归值即为每一年平均气象条件下的单产;平均气象条件下的单产又称平均气象条件单产。
步骤S43:将每一年实际单产减去每一年对应的回归值,获得各年气象单产;所述各年气象单产为各年气象条件下的单产的简称。
各年气象单产为正值时,表示当年气象条件单产(即当年甘蔗实际单产)好于当年平均气象条件的单产,其为负值时表示当年气象条件的单产劣于当年平均气象条件的单产,其为零时表示当年气象条件的单产等于当年平均气象条件的单产。
步骤S44:根据所述各年气象单产和各年关键气象指标确定气象单产预测模型的模型参数b0、b1、b2、b3……bn。
气象单产预测模型的具体公式为:
g(X'1j-1、X2j、X3j……Xnj)=b0+b1×X1(j-1)+b2×X2j+b3×X3j+……+bn×Xnj;
其中,X'1j-1为第j-1年气象单产,X2j、X3j……Xnj为第j年一个生产周期内n-1个关键气象指标,b0、b1、b2、b3……bn为统计方法获得的模型参数,g()为已确定模型参数的气象单产预测模型,n和j均为大于1的正整数。
步骤S45:根据已确定模型参数的气象单产预测模型和各年平均气象条件单产构建第二区域单产预测模型。
步骤S46:将第j-1年气象单产、第j年多个关键气象指标和第j年平均气象条件单产带入第二区域单产预测模型,获得第j年第二甘蔗预测单产,具体公式为:
其中,为第j年利用第二个区域单产预测模型预测的甘蔗单产,简称第j年第二甘蔗预测单产,X'1j-1为第j-1年气象单产,g()为已确定模型参数的气象单产模型,X2j、X3j……Xnj为第j年一个生产周期内n-1个关键气象条件指标,Qj为第j年平均气象条件单产,n和j均为大于1的正整数;
步骤S47:根据第j年第二甘蔗预测单产和第j年甘蔗实际单产计算第j年第二预测误差,具体计算公式为:
步骤S48:将各年第二预测误差先取绝对值后累加再取平均,获得第二预测平均误差,具体计算公式为:
其中,△Y2为利用第二个区域单产预测模型预测的平均误差,简称第二预测平均误差,△Y2j为第j年第二预测误差,k为总年数。
本发明结合实际单产与气象单产分别构建区域单产预测模型,从中选取最优甘蔗预测模型,进而实现对甘蔗单产预测,进一步提高了甘蔗单产预测的准确性。
实施例2
如图2所示,本发明公开一种甘蔗区域单产预测系统,所述系统包括:
获取模块1,用于获取甘蔗区域单产数据和区域气象数据。
筛选模块2,用于基于单产最大原则,对所述区域气象数据进行筛选,获得多个关键气象指标。
第一预测平均误差计算模块3,用于根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差。
第二预测平均误差计算模块4,用于根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差。
判断模块5,用于判断所述第一预测平均误差是否小于所述第二预测平均误差;如果所述第一预测平均误差小于所述第二预测平均误差,则将所述第一区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差大于所述第二预测平均误差,则将所述第二区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差等于所述第二预测平均误差,则随机选取所述第一区域单产预测模型或所述第二区域单产预测模型作为最优甘蔗预测模型。
预测模块6,用于将截止当年生育期的气象数据输入至所述最优甘蔗预测模型进行预测,获得甘蔗区域单产。
作为一种可选的实施方式,本发明所述第一预测平均误差计算模块3,具体包括:
区域单产预测模型参数确定单元,用于根据所述甘蔗区域单产数据和各年关键气象指标确定第一区域单产预测模型的模型参数。
第一甘蔗预测单产计算单元,用于将第j年多个关键气象指标和第j-1年甘蔗实际单产带入已确定模型参数的第一区域单产预测模型,获得第j年第一甘蔗预测单产;其中,j为大于1的正整数。
第一预测误差计算单元,用于根据第j年第一甘蔗预测单产和第j年甘蔗实际单产计算第j年第一预测误差。
第一预测平均误差计算单元,用于将各年第一预测误差先取绝对值后累加再取平均,获得第一预测平均误差。
作为一种可选的实施方式,本发明所述第二预测平均误差计算模块4,具体包括:
回归方程构建单元,用于采用回归分析法,根据所述甘蔗区域单产数据构建回归方程。
回归值确定单元,用于根据所述回归方程确定每一年对应的回归值。
各年气象单产计算单元,用于将每一年实际单产减去每一年对应的回归值,获得各年气象单产。
气象单产预测模型参数确定单元,用于根据所述各年气象单产和各年关键气象指标确定气象单产预测模型的模型参数。
第二区域单产预测模型构建单元,用于根据已确定模型参数的气象单产预测模型和各年平均气象条件单产构建第二区域单产预测模型。
第二甘蔗预测单产计算单元,用于将第j-1年气象单产、第j年多个关键气象指标和第j年平均气象条件单产带入第二区域单产预测模型,获得第j年第二甘蔗预测单产;其中,j为大于1的正整数。
第二预测误差计算单元,用于根据第j年第二甘蔗预测单产和第j年甘蔗实际单产计算第j年第二预测误差。
第二预测平均误差计算单元,用于将各年第二预测误差先取绝对值后累加再取平均,获得第二预测平均误差。
与实施例1相同的部分不再逐一论述,具体详见实施例1。
实施例3
以广西南宁地区15年的甘蔗单产为例进行建模,基于表1、表2获得研究结论:模型1自回归的平均误差为3.14%、最小误差为0.19%、最大误差为-5.99%,最大单年自回归误差均小于10%,预测模型合格。
以广西南宁地区15年的甘蔗单产为例进行建模,基于表4、表5获得研究结论:模型2自回归的平均误差为2.85%、最小误差为0.33%、最大误差为8.98%,最大单年自回归误差均小于10%,预测模型合格。
表3为应用模型1对广西14个地区研究结果的汇总。研究结论:模型自回归预测平均误差低于10%的比例为85%以上的有13个地区,均合格;贺州地区未建立有效模型。
表6为应用模型2对广西14个地区研究结果的汇总。研究结论:模型自回归预测平均误差低于10%的比例为85%以上的有10个地区,均合格;有3个地区模型合格率低于85%以上,不合格;贺州地区未建立有效模型。
汇总表3和表6成表7,表7是对广西14个地区甘蔗单产模型的优选结果。研究结论:广西14个地区除贺州的地区面积较小未选出有效预测模型外,其他13个地区模型预测合格率均大于85%。其中:有8个地区可以选出模型1和模型2,模型预测合格率平均100%;2个地区选出模型2,模型预测合格率平均100%;3个地区选出模型1,模型预测合格率91.1%。
表1南宁地区甘蔗单产预测模型
备注:n是建立模型的样本年数量;r是多元回归方程的相关系数。
表2南宁地区甘蔗单产预测模型影响因素和自回归结果(模型1)
备注:表2中Yj为第j年甘蔗实际单产;X1(j-1)为第j-1年甘蔗实际单产;X2j为第j年3月6日-3月31日每日平均相对湿度的平均;X3j为第j年7月1日-8月31日每日平均相对湿度的平均;X4j为第j年8月1日-10月31日每日最低温度的平均;为第j年单产预测值;△Y1j为第j年预测误差,
表3广西14个地区甘蔗单产预测模型影响因素和自回归误差(模型1)
备注:崇左地区、贵港地区、防城港地区、玉林地区建模年为2005-2016年合计12年,其余10个地区建模年为2005-2019年合计15年,下同。
表4南宁地区甘蔗单产预测模型
备注:n是建立模型的样本年数量;r是多元回归方程的相关系数。
表5南宁地区甘蔗单产预测模型影响因素和自回归结果(模型2)
备注:表5中X'1j为第j年实际气象单产,是以当年实际单产Y为纵坐标、以具体年为横坐标的回归方程回归值被当年实际单产Y减去所获得;X'1j-1为第j-1年实际气象单产;X2j为当年7月1日-8月31日每日平均相对湿度的平均;X3j为当年8月6日-8月31日每日最低温度的平均;Y'2j是由X'1j-1、X2j、X3j预测的当年气象单产g(X'1j-1、X2j、X3j……Xnj);Qj为回归方程第j年对应的回归值,也称第j年平均气象条件单产;Yj为第j年实际单产;△Y2j为预测误差,
表6广西14个地区甘蔗单产预测模型影响因素和自回归误差(模型2)
表7广西14个地区甘蔗单产模型优选结果
在本发明的描述中,术语“一个实施例”、“一些实施例”、“具体实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或特点包含于本发明的至少一个实施例或示例中。在本发明中,对上述术语的示意性表述不一定指的是相同的实施例或实例。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种甘蔗区域单产预测方法,其特征在于,所述方法包括:
获取甘蔗区域单产数据和区域气象数据;
基于单产最大原则,对所述区域气象数据进行筛选,获得多个关键气象指标;
根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差;
根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差;
判断所述第一预测平均误差是否小于所述第二预测平均误差;如果所述第一预测平均误差小于所述第二预测平均误差,则将所述第一区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差大于所述第二预测平均误差,则将所述第二区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差等于所述第二预测平均误差,则随机选取所述第一区域单产预测模型或所述第二区域单产预测模型作为最优甘蔗预测模型;
将截止当年生育期的气象数据输入至所述最优甘蔗预测模型进行预测,获得甘蔗区域单产。
2.根据权利要求1所述的一种甘蔗区域单产预测方法,其特征在于,所述根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差,具体步骤包括:
根据所述甘蔗区域单产数据和各年关键气象指标确定第一区域单产预测模型的模型参数;
将第j年多个关键气象指标和第j-1年甘蔗实际单产带入已确定模型参数的第一区域单产预测模型,获得第j年第一甘蔗预测单产;其中,j为大于1的正整数;
根据第j年第一甘蔗预测单产和第j年甘蔗实际单产计算第j年第一预测误差;
将各年第一预测误差先取绝对值后累加再取平均,获得第一预测平均误差。
3.根据权利要求1所述的一种甘蔗区域单产预测方法,其特征在于,所述根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差,具体步骤包括:
采用回归分析法,根据所述甘蔗区域单产数据构建回归方程;
根据所述回归方程确定每一年对应的回归值;
将每一年实际单产减去每一年对应的回归值,获得各年气象单产;
根据所述各年气象单产和各年关键气象指标确定气象单产预测模型的模型参数;
根据已确定模型参数的气象单产预测模型和各年平均气象条件单产构建第二区域单产预测模型;
将第j-1年气象单产、第j年多个关键气象指标和第j年平均气象条件单产带入第二区域单产预测模型,获得第j年第二甘蔗预测单产;其中,j为大于1的正整数;
根据第j年第二甘蔗预测单产和第j年甘蔗实际单产计算第j年第二预测误差;
将各年第二预测误差先取绝对值后累加再取平均,获得第二预测平均误差。
6.一种甘蔗区域单产预测系统,其特征在于,所述系统包括:
获取模块,用于获取甘蔗区域单产数据和区域气象数据;
筛选模块,用于基于单产最大原则,对所述区域气象数据进行筛选,获得多个关键气象指标;
第一预测平均误差计算模块,用于根据所述甘蔗区域单产数据和各年多个关键气象指标构建第一区域单产预测模型,并计算第一预测平均误差;
第二预测平均误差计算模块,用于根据各年气象单产和各年多个关键气象指标构建第二区域单产预测模型,并计算第二预测平均误差;
判断模块,用于判断所述第一预测平均误差是否小于所述第二预测平均误差;如果所述第一预测平均误差小于所述第二预测平均误差,则将所述第一区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差大于所述第二预测平均误差,则将所述第二区域单产预测模型作为最优甘蔗预测模型;如果所述第一预测平均误差等于所述第二预测平均误差,则随机选取所述第一区域单产预测模型或所述第二区域单产预测模型作为最优甘蔗预测模型;
预测模块,用于将截止当年生育期的气象数据输入至所述最优甘蔗预测模型进行预测,获得甘蔗区域单产。
7.根据权利要求6所述的一种甘蔗区域单产预测系统,其特征在于,所述第一预测平均误差计算模块,具体包括:
区域单产预测模型参数确定单元,用于根据所述甘蔗区域单产数据和各年关键气象指标确定第一区域单产预测模型的模型参数;
第一甘蔗预测单产计算单元,用于将第j年多个关键气象指标和第j-1年甘蔗实际单产带入已确定模型参数的第一区域单产预测模型,获得第j年第一甘蔗预测单产;其中,j为大于1的正整数;
第一预测误差计算单元,用于根据第j年第一甘蔗预测单产和第j年甘蔗实际单产计算第j年第一预测误差;
第一预测平均误差计算单元,用于将各年第一预测误差先取绝对值后累加再取平均,获得第一预测平均误差。
8.根据权利要求6所述的一种甘蔗区域单产预测系统,其特征在于,所述第二预测平均误差计算模块,具体包括:
回归方程构建单元,用于采用回归分析法,根据所述甘蔗区域单产数据构建回归方程;
回归值确定单元,用于根据所述回归方程确定每一年对应的回归值;
各年气象单产计算单元,用于将每一年实际单产减去每一年对应的回归值,获得各年气象单产;
气象单产预测模型参数确定单元,用于根据所述各年气象单产和各年关键气象指标确定气象单产预测模型的模型参数;
第二区域单产预测模型构建单元,用于根据已确定模型参数的气象单产预测模型和各年平均气象条件单产构建第二区域单产预测模型;
第二甘蔗预测单产计算单元,用于将第j-1年气象单产、第j年多个关键气象指标和第j年平均气象条件单产带入第二区域单产预测模型,获得第j年第二甘蔗预测单产;其中,j为大于1的正整数;
第二预测误差计算单元,用于根据第j年第二甘蔗预测单产和第j年甘蔗实际单产计算第j年第二预测误差;
第二预测平均误差计算单元,用于将各年第二预测误差先取绝对值后累加再取平均,获得第二预测平均误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211397265.0A CN115600760A (zh) | 2022-11-09 | 2022-11-09 | 一种甘蔗区域单产预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211397265.0A CN115600760A (zh) | 2022-11-09 | 2022-11-09 | 一种甘蔗区域单产预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115600760A true CN115600760A (zh) | 2023-01-13 |
Family
ID=84852665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211397265.0A Pending CN115600760A (zh) | 2022-11-09 | 2022-11-09 | 一种甘蔗区域单产预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115600760A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172385A (zh) * | 2023-09-15 | 2023-12-05 | 数字广西集团有限公司 | 一种甘蔗高糖度收获期预测方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485002A (zh) * | 2016-10-13 | 2017-03-08 | 云南省农业科学院甘蔗研究所 | 在复杂地形气候区域估算太阳辐射和甘蔗潜在产量的方法 |
CN107274036A (zh) * | 2017-07-25 | 2017-10-20 | 中国农业科学院农业信息研究所 | 一种最优趋势单产模型的确定方法及系统 |
US20210010993A1 (en) * | 2019-07-11 | 2021-01-14 | Locus Agriculture Ip Company, Llc | Use of soil and other environmental data to recommend customized agronomic programs |
CN113052407A (zh) * | 2021-05-18 | 2021-06-29 | 中国农业科学院农业信息研究所 | 一种大豆气象单产预测方法及预测系统 |
CN114330931A (zh) * | 2022-01-24 | 2022-04-12 | 南宁师范大学 | 一种基于气象条件的桂平荔枝产量大小年年型等级区域预测模型的构建方法 |
-
2022
- 2022-11-09 CN CN202211397265.0A patent/CN115600760A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485002A (zh) * | 2016-10-13 | 2017-03-08 | 云南省农业科学院甘蔗研究所 | 在复杂地形气候区域估算太阳辐射和甘蔗潜在产量的方法 |
CN107274036A (zh) * | 2017-07-25 | 2017-10-20 | 中国农业科学院农业信息研究所 | 一种最优趋势单产模型的确定方法及系统 |
US20210010993A1 (en) * | 2019-07-11 | 2021-01-14 | Locus Agriculture Ip Company, Llc | Use of soil and other environmental data to recommend customized agronomic programs |
CN113052407A (zh) * | 2021-05-18 | 2021-06-29 | 中国农业科学院农业信息研究所 | 一种大豆气象单产预测方法及预测系统 |
CN114330931A (zh) * | 2022-01-24 | 2022-04-12 | 南宁师范大学 | 一种基于气象条件的桂平荔枝产量大小年年型等级区域预测模型的构建方法 |
Non-Patent Citations (3)
Title |
---|
冯鑫鑫 等: ""基于气象条件的茉莉花单产预测模型"" * |
古丽;黄智刚;李文宝;刘永贤;: "1980~2007年南宁蔗区甘蔗气象产量变化及影响因子分析" * |
肖凌;梁玉莲;杨宇红;谭宗琨;李辉;丁美花;李肖平;: "南宁市甘蔗气候产量预测模型" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117172385A (zh) * | 2023-09-15 | 2023-12-05 | 数字广西集团有限公司 | 一种甘蔗高糖度收获期预测方法及系统 |
CN117172385B (zh) * | 2023-09-15 | 2024-03-19 | 数字广西集团有限公司 | 一种甘蔗高糖度收获期预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112149879B (zh) | 一种计及宏观波动性分类的新能源中长期电量预测方法 | |
CN112182882B (zh) | 一种顾及物侯信息的植被冠层蒸腾反演方法 | |
CN109615148B (zh) | 一种确定玉米气象产量的方法和系统 | |
CN111898922A (zh) | 一种多尺度农作物产量评估方法及系统 | |
US20230409670A1 (en) | Method and system for analyzing driving relationship between ecosystem service and urban agglomeration development | |
CN115600760A (zh) | 一种甘蔗区域单产预测方法及系统 | |
CN111488896A (zh) | 一种基于多源数据挖掘的配电线路时变故障概率计算方法 | |
CN111950784A (zh) | 一种融合注意力机制的产能预测方法 | |
CN110555553A (zh) | 多因素骤旱综合识别方法 | |
CN117909888B (zh) | 智慧人工智能气候预测方法 | |
CN113723541B (zh) | 一种基于混合智能算法的边坡位移预测方法 | |
CN114692981A (zh) | 基于Seq2Seq模型的中长期径流预报方法和系统 | |
CN108204997A (zh) | 常一线油闪点在线软测量方法 | |
CN117200223A (zh) | 日前电力负荷预测方法和装置 | |
CN109615150B (zh) | 一种确定水稻气象产量的方法和系统 | |
CN115203639B (zh) | 一种基于矩阵运算的不规则网格面雨量计算方法及系统 | |
CN116595333A (zh) | 土壤-气候智慧型的水稻目标产量与氮肥用量确定方法 | |
CN109615149A (zh) | 一种确定甜菜气象产量的方法和系统 | |
CN116184533A (zh) | 一种基于新型权重系数的逐小时时间滞后集合降水预报订正方法 | |
CN115166866A (zh) | 基于格点化气象数据的柑橘病虫害发生预报方法及系统 | |
CN111242359B (zh) | 一种基于数据漂移的太阳辐射在线动态预测方法 | |
CN113935542A (zh) | 一种基于气候适宜度的棉花单产预测方法 | |
CN111768044B (zh) | 一种棉花苗期棉蚜数量监测方法及系统 | |
CN114997642A (zh) | 基于脆弱性曲线的农作物产量损失预评估方法 | |
CN117436710B (zh) | 一种基于作物模型的干旱评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230113 |
|
RJ01 | Rejection of invention patent application after publication |