摘要
本发明涉及农业智能化领域,具体涉及一种藜麦灌浆期产量预测方法及系统,S1:收集并整合藜麦灌浆期的历史数据,利用深度学习算法构建产量预测模型;S2:对藜麦灌浆期的初始数据进行采集,利用预测模型进行初始产量预测;S3:持续采集藜麦灌浆期的实时数据,预设标准数据;将采集的数据与标准数据进行比对,对差异值识别记录;S4:当差异超过预设阈值时,再次利用预测模型根据实时数据进行二次产量预测,并生成预测报告;S5:将两次产量预测数据进行比对,并通过比对结果分析差异产生的结果且调整藜麦灌浆期的管理策略。本发明采集多源数据,通过整合历史数据和实时数据,进行多次预测,提高预测的准确性,实现精细化农业管理。
技术关键词
产量预测方法
深度学习算法
长短期记忆网络
管理策略
预测系统
远程访问系统
卷积神经网络提取
报告
数据采集模块
精细化农业
农业智能化
实时数据传输
无人机遥感
参数随时间
叶片
颜色
预警模块
系统为您推荐了相关专利信息
优化预测模型
预测模型训练
构建预测模型
遗传算法
实时数据
储能锂电池
人工蜂群算法
Sigmoid函数
剩余使用寿命
预测电池寿命
焊接定位方法
工件
二维码
深度学习算法
3D点云
血脑屏障开放
聚焦超声
超声造影剂
训练深度学习模型
血脑屏障通透性
药物不良反应
训练样本集
预测系统
正则化参数
数据