买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉济南农智信息科技有限公司申请的专利一种农业病虫害预测优化方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119443422B 。

龙图腾网通过国家知识产权局官网在2025-06-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510045135.8，技术领域涉及：G06Q10/04；该发明授权一种农业病虫害预测优化方法是由杨瑞霞;王建民设计研发完成，并于2025-01-13向国家知识产权局提交的专利申请。

本一种农业病虫害预测优化方法在说明书摘要公布了：本发明提出一种农业病虫害预测优化方法，涉及病虫害预测领域。所述方法包括收集农业病虫害预测关键信息、农业病虫害预测关键信息数据预处理、构建农业病虫害预测模型、使用训练集训练农业病虫害预测模型、使用测试集测试农业病虫害预测模型。所述农业病虫害预测模型由特征转换模块、时间关联模块、变量交互模块以及非线性特征交互融合组成；其中，特征转换模块将输入的预处理数据转换为适合模型处理的特征表示，时间关联模块捕捉时间序列中各个时间步之间的依赖关系，变量交互模块聚焦于不同变量之间的相互关系，非线性特征交互融合通过综合不同维度的信息，准确地理解复杂数据的模式。本申请所述方法准确预测出未来一段时间内农业病虫害情况。

本发明授权一种农业病虫害预测优化方法在权利要求书中公布了：1.一种农业病虫害预测优化方法，其特征在于，包括以下步骤： S1、收集农业病虫害预测关键信息，所述农业病虫害预测关键信息包括作物类型、作物生长阶段、土壤条件信息、天气信息以及农业管理记录； S2、农业病虫害预测关键信息数据预处理，主要包括数据清洗和归一化处理； S3、构建农业病虫害预测模型，具体方法包括： S31、提出特征转换模块，将输入的预处理数据转换为适合模型处理的特征表示； S32、提出时间关联模块，所述时间关联模块专注于捕捉时间序列中各个时间步之间的依赖关系，从特征转换模块最终的输出Xembed中选取数据为一个样本中第n个变量在不同时间段上的高维表示； 在动态多头注意力机制中首先将输入数据转换为查询矩阵键矩阵和值矩阵转换公式如下： 式中，为可训练的权重矩阵，h为注意力头的编号；随后通过的动态注意力计算单个注意力头的输出，动态注意力计算公式如下： 式中，Softmax为激活函数，为编号为h注意力头的动态注意力的输出，为的转置操作，为缩放常数，为动态函数，计算方式如下： 式中，为查询矩阵与键矩阵的连接，Wf为可训练的权重矩阵，Sigmoid为激活函数；每个注意力头根据查询和键之间的相似性来加权求和值，捕捉输入数据中不同位置之间的依赖关系； 在所有H个注意力头独立计算完注意力输出后，将输出拼接在一起，得到一个大的注意力输出矩阵，计算公式如下： 式中，为动态多头注意力机制的最终输出，Concat为拼接操作； 最后经过残差连接与层归一化操作作为一个样本第n个变量在时间关联模块最终的输出，具体公式如下： 式中，LayerNorm为归一化操作，Xout1为第n个变量在时间关联模块最终的输出；最终将样本中每个变量在不同阶段上的嵌入表示经过动态多头注意力机制处理后进行合并，得到一个样本经过时间关联模块后最终的输出outhori； S33、提出变量交互模块，所述变量交互模块用于捕捉同一时间步内不同变量之间的关系，对数据进行时间特征表示和使用多特征注意力机制进行频率特征表示，为特征转换模块最终的输出Xembed中具体时间步t上所有变量的嵌入表示； 首先进行时间特征表示，对于每个注意力头h，计算出不同的查询键以及值矩阵计算公式如下： 式中，为该注意力机制的权重矩阵，分别为经过线性变换后的矩阵，分别用于后续的注意力计算；随后对于每个注意力头h使用缩放点积注意力计算注意力输出，计算公式如下： 式中，为注意力头h的输出，为缩放常数；最后将每个注意力头的输出进行拼接作为多头注意力机制的最终输出，拼接公式如下： 式中，H为注意力头数，为时间特征表示中多头注意力机制的输出； 随后使用残差神经网络将输入特征与注意力机制的输出相加用来保留输入特征，公式如下： 式中，MLP为全连接网络，为残差操作，将输入特征与注意力机制的输出相加；最终对每个时间步t上所有变量的嵌入表示经过同样的多头注意力计算之后进行拼接，组成一个样本的时间特征表示outtime； 频率特征表示使用每个注意力头h计算出的查询键以及值矩阵经过三种特征提取器得到计算频率特征表示所使用的查询、键以及值矩阵； 首先使用卷积进行特征提取，公式如下所示： 式中，为对每个注意力头h计算出的查询键以及值矩阵进行卷积特征提取的结果，Conv为卷积操作； 随后对卷积特征提取输出使用非线性激活函数，公式如下： 式中，分别为对卷积特征提取输出使用非线性激活函数后的结果，ReLU为激活函数； 随后使用MLP进一步处理提取到的特征，作为计算频率特征表示的查询、键以及值矩阵，具体计算公式如下： 式中，为经过MLP进一步提取特征的结果，将进一步提取的结果作为计算频率特征表示所使用的查询、键以及值矩阵，随后将得到的矩阵进行加权注意力计算，通过引入加权机制，使得更加关注特定的注意力头，所述加权机制则是使用线性层生成每个注意力头的权重，计算公式如下： 式中，H为多头注意力的头数，wh为每个注意力头的初始权重参数，通过训练学习；每个注意力头的分数计算如下： 式中，为计算频率特征表示所得到的注意力分数，为缩放常数； 随后对每个注意力头进行加权，公式如下： 式中，headh为注意力头为h的加权值； 最终将多个注意力头进行输出得到加权注意力机制的最终输出FinalAttention，计算公式为： 最终对每个时间步t上所有变量的嵌入表示经过同样的加权注意力计算之后进行拼接，组成一个样本的频率特征表示outfre；变量交互模块通过对数据的处理之后最终得到时间特征表示outtime与频率特征表示outfre； S34、提出非线性特征交互融合，所述特征交互融合用于将时间关联模块的输出与变量交互模块的时间特征表示和频率特征表示在交互后生成更复杂的特征表示； S35、引入映射层，通过引入的映射层对非线性特征交互融合的输出进行计算； S4、训练农业病虫害预测模型，通过优化预测模型参数，使预测模型在训练集上最小化误差； S5、测试农业病虫害预测模型，通过评估模型在测试集上的表现，计算预测精度和误差，验证模型的泛化能力。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人济南农智信息科技有限公司，其通讯地址为：250000 山东省济南市历城区辛祝路17号好兰朵大厦652室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。