摘要
本发明提供了一种基于深度生存分析的荔枝霜疫霉病风险预测方法,包括:构建前馈深度神经网络,输入层将特征矩阵数据传递至依次连接的多个隐藏层,隐藏层包括依次连接的全连接层和dropout层;最后一个隐藏层通过具有单一节点的线性层连接至风险函数输出层,获得深度生存分析预测模型;收集荔枝果树生存环境数据,以及相应时间段内的果树霜疫霉病患病的感染率数据构建训练数据集,并基于反向传播算法训练深度生存分析预测模型;利用训练后的深度生存分析预测模型,预测荔枝果树个体的生存概率,并获得荔枝果树个体的发病风险等级数据。本发明能够根据复杂的非线性关系对荔枝霜疫霉病的发生风险进行有效预测。
技术关键词
荔枝霜疫霉病
风险预测方法
Cox比例风险模型
传播算法
数据
深度神经网络
矩阵
时间段
基准
数值
节点
非线性
光强
变量
标记
关系
参数
系统为您推荐了相关专利信息
PID控制参数
温湿度控制方法
贝叶斯模型
超声波加湿器
立体
高分辨距离像
分布式雷达
一维卷积神经网络
定位方法
回波
影像特征提取方法
特征提取模型
深度强化学习
特征选择
启发式策略