一种基于自监督学习的液态肥施用效果分析方法

本发明公开了一种基于自监督学习的液态肥施用效果分析方法，包括如下步骤：S1、生成初始特征数据；S2、基于异质环境自适应模块生成环境特征表示；S3、基于双重时空特征解耦与动态融合模型，提取液态肥施用效果的短期和长期时空特征，并生成综合时空特征表示；S4、利用自监督学习生成不同情境下的施肥特征，并通过因果推理模块剔除环境干扰因素；S5、生成施肥意图特征，并动态调整施肥策略；S6、当预测结果与实际效果的差异超过阈值时，触发再学习模块更新模型参数；S7、进行集成优化，通过多任务协同学习实现特征共享和任务协调，并利用贝叶斯优化进行自动调优。本发明通过自监督学习与多任务协同优化方法，实现液态肥施用效果的智能分析。