申请/专利权人:江苏大学
申请日:2023-12-28
公开(公告)日:2024-04-02
公开(公告)号:CN117808152A
主分类号:G06Q10/04
分类号:G06Q10/04;G06Q50/02;G06F18/241;G06F18/214;G06N3/045;G06N3/0442;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明提供了一种温室作物气传病害预警方法及系统,包括采集孢子数量数据、温室内作物发病程度数据、温室内外的气象数据和未来的天气预报数据并预处理;将预处理后的数据作为输入,温室内作物发病程度数据作为输出,使用卷积神经网络‑长短时记忆网络CNN‑LSTM建立作物气传病害预警模型,并进行迭代优化,获取作物气传病害预警模型的性能评价指标;最后使用优化后的作物气传病害预警模型对未来温室内作物发病程度数据进行预测。本发明采用CNN‑LSTM模型对作物发病程度进行预测,通过卷积神经网络来挖掘模型的各输入因子之间的潜在的信息关系,通过长短时记忆网络来预测时间序列问题,相对于一般的卷积神经网络的预测结果更加准确。
主权项:1.一种温室作物气传病害预警方法,其特征在于,包括以下步骤:步骤S1:采集孢子数量数据、温室内作物发病程度数据、温室内的气象数据、温室外的气象数据和天气预报数据;步骤S2:对上述温室内的气象数据、温室外的气象数据、未来的天气预报数据、温室内作物发病程度数据和孢子数量数据进行预处理,并分为测试集、验证集和训练集;步骤S3:将步骤S2预处理后的温室内的气象数据、温室外的气象数据、未来的天气预报数据、温室内作物发病程度数据和孢子数量数据作为输入,将温室内作物发病程度数据作为输出,使用卷积神经网络-长短时记忆网络CNN-LSTM网络模型建立作物气传病害预警模型,并使用训练集进行迭代优化,获取作物气传病害预警模型的性能评价指标;步骤S4:使用步骤S3优化后的作物气传病害预警模型对未来温室内作物发病程度数据进行预测。
全文数据:
权利要求:
百度查询: 江苏大学 一种温室作物气传病害预警方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。