一种基于深度学习的烟株数量预测方法

本发明涉及农业生产数据预测技术领域，公开了一种基于深度学习的烟株数量预测方法，通过土壤湿度、气象、激光雷达点云、多光谱等多源农业传感器采集烟田环境数据，利用动态特征选择网络进行多源特征融合，生成环境特征向量。将其输入采用时空注意力机制的多模态时序预测模型，建模烟株生长趋势。根据预测结果构建自适应加权回归模型，利用改进的粒子群优化算法动态调整权重。还构建分层校正模型优化预测数据。具备实时预测更新方法，可处理新增数据。多光谱传感器数据经降维、关联建模和插补融合处理。该方法充分利用多源数据，提升烟株数量预测的准确性、实时性和稳定性，为烟草种植管理提供有力支持。