[发明专利]农作物产量预测方法、装置及计算机可读存储介质

说明书

本发明涉及智能决策，公开了一种农作物产量预测方法，该方法包括：获取农作物样本数据，所述农作物样本数据包括表示农作物的种植特征数据及农作物实际产量值；根据所述农作物样本数据，训练得到产量预测模型；获取目标农作物数据；根据所述产量预测模型，对所述目标农作物数据进行预测，确定所述目标农作物数据对应的预测产量。本发明还提出一种农作物产量预测装置以及一种计算机可读存储介质。本发明基于历史数据实现对同一地区不同土地的农作物产量进行精准预测，并且能实现快速赔付。

技术领域

本发明涉及计算机技术领域，尤其涉及一种农作物产量预测方法、装置及计算机可读存储介质。

背景技术

农作物产量保险是以农民的农作物产量损失作为保险标的，以农作物实际产量低于合同约定产量为保险事故的一种保险，传统的农作物保险定价一般是基于历史单产数据的数据扩展方法和基于已知分布函数的随机模拟方法，这两种方法都是基于过去整体的数据运用统计的方法进行预测，这样对一个地区范围内的不同土地的产量都只能给出同一种预测，以上方法都能在某些领域中切实可行。但当应用于不同地质条件下的农作物产量预测中，效果都会差强人意。由于同一地区，存在着地质条件、气候条件、降水条件、光照条件、氮肥条件等不同，因此导致其农作物产量也大不相同，传统的整体量化预测的方式难以满足对农作物产量的精确预测，进而导致农作物产量保险出现较大偏差，因此费率对于优质土地和劣质土地是一样的，无法对一块地本年度的产量得出更为详细精准的预测。

发明内容

本发明提供一种农作物产量预测方法、装置及计算机可读存储介质，其主要目的在于实现了在不录制额外语料的情况下，提高了训练样本数量。

为实现上述目的，本发明还提供一种农作物产量预测方法，所述方法包括：

获取农作物样本数据，所述农作物样本数据包括表示农作物的种植特征数据及农作物实际产量值；

根据所述农作物样本数据，训练得到产量预测模型；

获取目标农作物数据；

根据所述产量预测模型，对所述目标农作物数据进行预测，确定所述目标农作物数据对应的预测产量。

可选地，所述农作物的种植特征数据包括以下至少一种或者多种的组合：农作物种植过程中的种植面积、种植密度、种植环境中的平均降水量、平均灌溉量、平均蒸发量、平均积温、平均每日光照时间、平均化肥施用量。

可选地，在根据所述农作物样本数据，训练得到产量预测模型之前，所述方法还包括：

对所述农作物样本数据进行归一化处理；

利用主成分分析法对归一化后的农作物样本数据进行处理，以将归一化后的农作物样本数据从高维度数据降低到低维度数据。

可选地，所述产量预测模型包括BP神经网络结构，所述BP神经网络结构包括：输入层、隐藏层和输出层；

输入层：用于定义农作物的种植特征数据中不同类型的数据输入；

隐藏层：用于利用激励函数对输入层输入的农作物的种植特征数据进行非线性化处理；

输出层：用于在隐藏层之后，输出与农作物产量数据对应的预测产量值。

可选地，所述根据所述农作物样本数据，训练得到产量预测模型包括：

输入农作物样本数据；

构建产量预测模型的损失函数，所述损失函数用于表示农作物产量数据对应的预测产量值与农作物产量数据对应的实际产量值之间差值；

迭代计算所述损失函数，直至农作物产量数据对应的预测产量值与农作物产量数据对应的实际产量值之间差值小于预设值。

可选地，所述方法还包括：