一种机理和数据融合驱动的温室番茄产量预测方法

本发明提供了一种机理和数据融合驱动的温室番茄产量预测方法，属于农业产量技术领域，该方法包括：获取环境数据，拼接为一个多维的高频率时间序列，确定高频率时间序列的特征值；根据特征值设置CNN的卷积参数；将CNN和LSTM进行串接得到CNN‑LSTM模块，再与机理模型Tomgro并行连接至全连接神经网络FCNN，得到目标网络模型；对目标网络进行训练，得到番茄产量预测模型；将高频率时间序列输入至番茄产量预测模型，得到待预测番茄作物的预测产量。这样，充分利用了CNN和LSTM的优势，从而提高了预测精度，并引入机理模型提高了模型的自适应性以及可解释性。