CN119443425A 基于多源数据分析实现烟草田间产量预测的方法 （四川省烟草公司凉山州公司）

基于多源数据分析实现烟草田间产量预测本发明公开了基于多源数据分析实现烟草2S1：将烟草种植区域划分为若干个监测区域，S2：对采集的多源数据进行预处理后，提取多源数S3：建立产量预测模型，将实际产量与预测结果进2.根据权利要求1所述的基于多源数据分析实现烟草田间产量预测的方法，其特征在3.根据权利要求2所述的基于多源数据分析实现烟草田间产量预测的方法，其特征在计算任意两点(,y)和(x,y)的欧几里得距离hy，表达式为计34.根据权利要求3所述的基于多源数据分析实现烟草田间产量预测的方法，其特征在的时间和空间匹配程度的权重赋值进行加权平均求和计算后得到多源数据的综合匹配度5.根据权利要求1所述的基于多源数据分析实现烟草田间产量预测的方法，其特征在使用训练好的模型，将验证集或新的多源数据输入模型，生成6.根据权利要求5所述的基于多源数据分析实现烟草田间产量预测的方法，其特征在将多源数据的综合匹配度指数LZ和实际产量数据Y作为模糊逻辑的输入项，并将预测4模型参数调整结果作为模糊逻辑的输出项；计算输入模糊集合与规则条件的匹配程度，选择满足56权平均求和计算后得到多源数据的综合匹配差大，则根据计算得到的多源数据的综合匹配度指数以及各监测区域内的实际产量数据，算窗口均值为时间序列中第i天的覆盖率，为第t个窗口内的平均覆盖设定采样点的地理坐标为(x,y)和采样值zi，n为采样点的总数量，目标插值区域对于待插值点(xx,y)，设定与n个采样点的权重为，克里金方程为：7和空间匹配程度的权重赋值标签的预测误差之和作为训练目标，对机器学习模型进行训间段内多源数据的时间和空间匹配程度的权重赋值进行加权平均求和计算后得到多源数将多源数据的综合匹配度指数LZ和实际产量数据Y作为模糊逻辑的输入项，并将预测模型参数调整结果作为模糊逻辑的输出将LZ和Y转换为模糊集合，使用隶属函数定义不同状态的模糊程度，隶属函数定89权平均求和计算后得到多源数据的综合匹配差大，则根据计算得到的多源数据的综合匹配度指数以及各监测区域内的实际产量数据，[0026]将传感器数据通过无线传输技术上传，结合时间戳记录[0036]时间一致性特征用于衡量不同数据源在采集时间上的同步性与更新频率的匹配[0037]空间一致性特征用于衡量多源数据在空间分辨率和覆盖范围上的匹配程度，包设定采样点的地理坐标为(x,y)和采样值zi，n为采样点的总数量。目标插值区域表示空间相关性的最大影响距离。[0050]对于待插值点(xx,y)，设定与n个采样点的权重为，克里金方程为：时间段内多源数据的时间和空间匹配程度的权重赋值进行加权平均求和计算后得到多源成的机器学习模型的综合特征向量训练数据中，获得对应的函数表达式：差大，则根据计算得到的多源数据的综合匹配度指数以及各监测区域内的实际产量数据，[0064]根据计算得到的多源数据的综合匹配度指数以及各监测将多源数据的综合匹配度指数LZ和实际产量数据Y作为模糊逻辑的输入项，并将预测模型参数调整结果作为模糊逻辑的输出综合匹配度指数LZ表示多源数据在时间和空间上的匹配程度，范围通常为[0,Adjustment需要小幅优化数据融合算法或特征权重。显著调整（MajorAdjustment需[0068]将LZ和Y转换为模糊集合，使用隶属函数定义不同状态的模糊程度