-
公开(公告)号：CN118966569B
公开(公告)日：2025-02-18
申请号：CN202411429222.5
申请日：2024-10-14
Applicant: 北京市农林科学院智能装备技术研究中心 , 北京市农林科学院信息技术研究中心
IPC: G06Q10/063 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/04 , G06Q50/02 , G06Q50/06 , G06F18/213 , G06F18/25
Abstract: 本发明提供一种物理约束下的时空融合模型大尺度作物需水量预报方法，应用于作物需水量预测领域，其中，上述方法包括：获取起始时刻的多源数据以及至少一个采样间隔的多源数据；通过1DCNN‑MLP对起始时刻的多源数据与至少一个采样间隔的多源数据进行编码与融合，得到综合特征表达；将综合特征表达输入至训练好的时空特征融合模型，得到训练好的时空特征融合模型输出的目标时刻的作物需水量预测结果，其中，时空特征融合模型包括图卷积网络模型与Informer模型；图卷积网络模型用于对综合特征表达进行空间特征提取，Informer模型用于对综合特征表达进行时序特征提取；通过本发明能够提高作物需水量预测的精度和可靠性。
-
Patent Agency Ranking
公开(公告)号：CN118966569A
公开(公告)日：2024-11-15
申请号：CN202411429222.5
申请日：2024-10-14
Applicant: 北京市农林科学院智能装备技术研究中心 , 北京市农林科学院信息技术研究中心
IPC: G06Q10/063 , G06N3/042 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/04 , G06Q50/02 , G06Q50/06 , G06F18/213 , G06F18/25
Abstract: 本发明提供一种物理约束下的时空融合模型大尺度作物需水量预报方法，应用于作物需水量预测领域，其中，上述方法包括：获取起始时刻的多源数据以及至少一个采样间隔的多源数据；通过1DCNN‑MLP对起始时刻的多源数据与至少一个采样间隔的多源数据进行编码与融合，得到综合特征表达；将综合特征表达输入至训练好的时空特征融合模型，得到训练好的时空特征融合模型输出的目标时刻的作物需水量预测结果，其中，时空特征融合模型包括图卷积网络模型与Informer模型；图卷积网络模型用于对综合特征表达进行空间特征提取，Informer模型用于对综合特征表达进行时序特征提取；通过本发明能够提高作物需水量预测的精度和可靠性。
-
公开(公告)号：CN118711069B
公开(公告)日：2024-11-12
申请号：CN202411163382.X
申请日：2024-08-23
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06V20/10 , G06N3/0464 , G06T7/00 , G06V10/40 , G06V10/56 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种自适应权重调整的玉米水分亏缺诊断方法以及装置，应用于作物水分亏缺判断领域，上述方法包括：获取作物表型特征、土壤特征以及环境特征；按照玉米的生育期进行特征提取，确定与每个生育期对应的关键特征参数，其中，生育期包括苗期、拔节期、抽雄吐丝期、灌浆成熟期；确定关键特征参数对于玉米水分亏缺的影响力指标；确定影响力指标大于影响力指标阈值的目标特征参数；将目标特征参数输入至预训练的深度卷积神经网络，得到由预训练的深度卷积神经网络输出的玉米的水分亏缺程度，其中，目标特征参数的权重是基于目标特征参数的信息熵自适应调整的；通过本发明能够准确诊断玉米的水分亏缺情况。
-
公开(公告)号：CN118711069A
公开(公告)日：2024-09-27
申请号：CN202411163382.X
申请日：2024-08-23
Applicant: 北京市农林科学院智能装备技术研究中心
IPC: G06V20/10 , G06N3/0464 , G06T7/00 , G06V10/40 , G06V10/56 , G06V10/764 , G06V10/82
Abstract: 本发明提供一种自适应权重调整的玉米水分亏缺诊断方法以及装置，应用于作物水分亏缺判断领域，上述方法包括：获取作物表型特征、土壤特征以及环境特征；按照玉米的生育期进行特征提取，确定与每个生育期对应的关键特征参数，其中，生育期包括苗期、拔节期、抽雄吐丝期、灌浆成熟期；确定关键特征参数对于玉米水分亏缺的影响力指标；确定影响力指标大于影响力指标阈值的目标特征参数；将目标特征参数输入至预训练的深度卷积神经网络，得到由预训练的深度卷积神经网络输出的玉米的水分亏缺程度，其中，目标特征参数的权重是基于目标特征参数的信息熵自适应调整的；通过本发明能够准确诊断玉米的水分亏缺情况。
-
公开(公告)号：CN113902249B
公开(公告)日：2022-07-22
申请号：CN202111028668.3
申请日：2021-09-02
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种土壤重金属影响因素解析方法及装置，所述方法包括：根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。本发明有效地抑制因土壤重金属污染程度不均、变异系数大而引起的局部集聚干扰，能够准确表征污染空间分布格局，并提高源解析分析精度。
-
公开(公告)号：CN113902249A
公开(公告)日：2022-01-07
申请号：CN202111028668.3
申请日：2021-09-02
Applicant: 北京市农林科学院信息技术研究中心
Abstract: 本发明提供一种土壤重金属影响因素解析方法及装置，所述方法包括：根据研究区域内每一个采样点的重金属浓度与所述研究区域的分界限值，确定所述每一个采样点的空间局部聚集模式；根据所述每一个采样点的空间局部聚集模式的变化情况，确定所述每一个采样点的空间局部自适应聚集特征；根据所述每一个采样点的空间局部自适应聚集特征在所述研究区域的分布情况，获取土壤环境分层聚集指数；根据所述土壤环境分层聚集指数，确定所述研究区域内的土壤重金属污染的影响因素以及所述影响因素的贡献度。本发明有效地抑制因土壤重金属污染程度不均、变异系数大而引起的局部集聚干扰，能够准确表征污染空间分布格局，并提高源解析分析精度。
-
-
-
-
-
Search Results
6
records
(took 0.078 seconds)
