[发明专利]基于知识与数据共同驱动的作物单产量预测方法

说明书

技术领域

本发明属于数据处理方法和一般植物学技术领域，尤其涉及一种基于知识与数据共同驱动的作物单产量预测方法。

背景技术

温室作物生产、环境调控以及栽培管理需要可靠的作物单产量预测方法。通常来说，作物单产量预测方法根据是否包含与作物生长发育规律相关的知识，可分为基于数据驱动的作物单产量预测方法和基于知识驱动的作物单产量预测方法。

基于数据驱动的作物单产量预测方法将作物的复杂生长行为视为黑箱，对生长过程不作考虑，其方法的构建完全依赖于历史环境数据和作物单产量数据(不包含任何作物相关的知识)，如采用基于人工神经网络的作物单产量预测方法。这种方法能够通过数据学习方式来处理机理未知的非线性关系，且对一定环境生长下的数据能达到较高的预测精度。但是该方法不能够最大化利用已有的作物知识去改善作物单产量的预测精度，且当增加输出变量时模型的复杂度迅速提升。

不同于基于数据驱动的方法，基于知识驱动的作物单产量预测方法则是基于作物生长发育规律建立的模型，包括作物的生物量产生、分配、叶面积形成等动态过程，如基于中法合作研究发展而来的植物功能结构模型(GreenLab)，该模型是一种通用的植物生长模型，已成功应用于玉米、小麦、黄瓜、西红柿等经济作物，且能够辅助温室作物生产、环境调控以及栽培管理。但是该模型不能够最大化利用环境数据去提高作物单产量的预测精度。

区别于传统的作物单产量预测方法，为了最大化利用作物知识和环境数据来改善作物单产量预测精度，本发明提出一种基于知识与数据共同驱动的作物单产量预测方法，可辅助温室作物生产、环境调控以及栽培管理。

发明内容

本发明的目的在于提供一种可靠的作物单产量预测方法，并使该方法能够最大化利用已有的作物知识和环境数据，提高作物单产量预测精度，且能够辅助温室作物生产、环境调控以及栽培管理。

为实现上述目的，本发明提供一种基于知识与数据共同驱动的作物单产量预测方法，该方法包括以下步骤：

步骤1，利用基于数据驱动的作物单产量生产潜力子模型，根据输入的环境数据得到作物的单产量生产潜力E；

步骤2，利用基于过程的作物模型，构建得到基于知识驱动的作物单产量子模型，然后根据所述作物的单产量生产潜力E和作物内在的机理参数得到作物的单产量y；

步骤3，利用区域历史环境数据和所述步骤2得到的作物的单产量y，辨识得到所述基于数据驱动的作物单产量生产潜力子模型的模型参数θ_d和所述基于知识驱动的作物单产量子模型的模型参数θ_k，以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。

本发明提出的基于知识与数据共同驱动的作物单产量预测方法充分利用了基于知识驱动的方法和基于数据驱动的方法各自的优点，能够最大化利用作物知识和环境数据，提高作物单产量预测精度的可靠性。本发明与现有技术的区别主要体现在本发明采用基于数据驱动的方法，构建基于数据驱动的作物单产量生产潜力子模型，采用基于过程的作物模型，构建基于知识驱动的作物单产量子模型，两个子模型采用串联的方式耦合在一起。因此，本发明可以更加灵活的应用历史环境数据构建基于数据驱动的作物单产量生产潜力模型，且结合作物生长发育规律(作物知识)，从机理角度对作物单产量进行了预测。实验表明，本发明方法集成了二者的优点，并具有较高的作物单产量预测精度。

本发明利用区域历史环境数据和作物单产量数据，辨识出模型参数，以用于未来该区域作物的单产量预测。本发明能够最大化利用历史环境数据和作物知识模型，使模型参数得到系统化估计，潜力分析更加精确，易于使用，这也为温室作物生产、环境调控以及栽培管理提供了更加可靠的方法。

附图说明

图1是本发明基于知识与数据共同驱动的作物单产量预测方法的原理框图。

图2是根据本发明一实施例的基于知识与数据共同驱动的作物单产量预测方法的框图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

图1是本发明基于知识与数据共同驱动的作物单产量预测方法的原理框图，如图1所示，所述方法包括以下步骤：

步骤1，利用基于数据驱动的作物单产量生产潜力子模型，根据输入的环境数据得到作物的单产量生产潜力E；

该步骤反映了气候环境对于作物单产量的影响。