[发明专利]一种作物产量的预测方法、系统、存储介质和电子设备

说明书

本发明涉及农业技术领域，提供一种作物产量的预测方法、系统、存储介质和电子设备，所述方法包括：获取与预设作物的生长所关联的每个参量的具体值；将所有参量的具体值输入递进水盐嵌入神经网络模型，得到预设作物的产量的预测值，递进水盐嵌入神经网络模型包括2层递进因果关系，得到预设作物的产量的预测值，能够模拟大田秸秆深埋下不同灌水量及其他气候、生长因素对土壤水盐运移、作物生产效益的影响，且通过试验表明，递进水盐嵌入神经网络模型具有较高精度，能够有效表征预设作物生长的综合条件即关联的每个参量、土壤水盐含量运移与预设作物的产量三者间双层递进因果关系，捕捉各参变量内在依存联系，可用于模拟灌区水盐运移规律。

技术领域

本发明涉及农业技术领域，尤其涉及一种作物产量的预测方法、系统、存储介质和电子设备。

背景技术

河套灌区是我国重要的粮食生产基地。因引黄水量锐减、水资源管理利用不完善，导致灌区土壤次生盐渍化、农业面源污染等问题日益严重，制约着灌区农业持续健康发展。如何改良盐渍地、提效增产是灌区面临的主要问题。灌区盐渍土水盐分布影响着作物生长，研究水盐运移可为灌区提效增产、缓解土壤次生盐渍化提供理论依据。作物生育期，土壤水盐分布受气象、灌溉等多重因素的影响，水盐间相互作用，关系复杂，且水盐分布进一步会影响作物生产效益(产量、水分利用率等)。目前，研究土壤水盐分布的模型主要有：一是以水盐平衡为基础的水盐平衡模型；二是将水盐运移作为随机过程处理的系统模型。常用的模型有：Hydrus、SWAP、FEFLOW等，这些模型均进行了广泛的应用，并取得了一定的成果。然而，土壤水分运动及溶质运移方程的求解往往因边界条件复杂、计算参数众多等，在土壤水盐运移中运用受限，无法模拟大田秸秆深埋下不同灌水量及其它气候、生长因素对土壤水盐运移、作物生产效益的影响。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供了一种作物产量的预测方法、系统、存储介质和电子设备。

本发明的一种作物产量的预测方法的技术方案如下：

获取与预设作物的生长所关联的每个参量的具体值；

将所有参量的具体值输入递进水盐嵌入神经网络模型，得到预设作物的产量的预测值。其中，所述递进水盐嵌入神经网络模型用于模拟所有参量与土壤水盐含量之间的函数关系，以及模拟土壤水盐含量与预设作物的产量之间的函数关系。

本发明的一种作物产量的预测方法的有益效果如下：

递进水盐嵌入神经网络模型包括2层递进因果关系，体现为：利用所有参量与土壤水盐含量之间的函数关系得到土壤水盐含量的具体值，基于土壤水盐含量的具体值，并利用土壤水盐含量与预设作物的产量之间的函数关系，得到预设作物的产量的预测值，模拟大田秸秆深埋下不同灌水量及其他气候、生长因素对土壤水盐运移、作物生产效益的影响。试验结果表明，递进水盐嵌入神经网络模型具有较高精度，能够有效表征预设作物生长的综合条件即关联的每个参量、土壤水盐含量运移与预设作物的产量三者间双层递进因果关系，捕捉各参变量内在依存联系，可用于模拟灌区水盐运移规律。

在上述方案的基础上，本发明的一种作物产量的预测方法还可以做如下改进。

进一步，还包括：

将分级长短记忆网络构架的时间序列化数据构造的编码器与批标准化多层感知机构造的解码器进行耦合，并进行训练，得到所述递进水盐嵌入神经网络模型。

进一步，训练所述递进水盐嵌入神经网络模型之前，还包括：

采用Dropout算法与Adam算法进行耦合作为训练所述递进水盐嵌入神经网络模型时的收敛算法。

本发明的一种作物产量的预测系统的技术方案如下：

包括获取模块和预测模块，所述获取模块用于获取与预设作物的生长所关联的每个参量的具体值；