-
Patent Agency Ranking
公开(公告)号：CN118171785A
公开(公告)日：2024-06-11
申请号：CN202410597826.4
申请日：2024-05-14
Applicant: 南京农业大学
Abstract: 本发明提供了一种基于作物生育期表型及其区域适应性的定量预测方法、系统及装置，定量预测方法包括：S1、获取与待测作物相关的数据，数据包括多个不同种植环境下记录的作物品种信息、生育期观测数据、气象数据、管理措施数据及QTN标记位点数据；S2、根据数据和作物模型确定品种参数校正值；S3、根据QTN标记位点数据、品种参数校正值和全基因组关联分析算法确定满足要求的QTN标记位点数据和品种参数校正值；S4、根据满足要求的QTN标记位点数据和品种参数校正值计算品种参数模拟值；S5、根据气象数据、管理措施数据、品种参数模拟值和作物模型计算生育期模拟数据。本发明能够实现不依赖人工观测的多基因型作物生育期表型的精确预测。
-
公开(公告)号：CN117854590A
公开(公告)日：2024-04-09
申请号：CN202311768727.X
申请日：2023-12-21
Applicant: 南京农业大学
IPC: G16B30/00 , G16B20/20 , G16B40/00 , G06F18/2113 , G06F18/2431 , G06F18/213 , G06F18/214 , G06N20/20 , G06N3/0464 , G06N5/01 , G06N3/0442 , G06N3/045 , G06N3/126
Abstract: 本发明公开了一种利用SNP标记估算大豆物候期模拟模型基因型特异参数的机器学习方法，通过机器学习构建基于SNP的基因型特异参数估算方法，并将估算的基因型特异参数结合DSSAT‑CROPGRO大豆物候期模拟模型模拟大豆物候期。该方法针对SGWAS对小效应SNP标记检出率低，忽略了众多对GSP变异有影响的标记的问题以及Bi‑LSTM等深度学习方法存在的远距离依赖难以学习的问题，设计了基于集成学习增强特征选择和局部记忆‑全局残差网络的基因型特异参数估算方法，以提高基因型特异参数估算精度，进而提高结合DSSAT‑CROPGRO大豆物候期模拟模型实现物候期预测精度。
-
公开(公告)号：CN118296971B
公开(公告)日：2024-10-22
申请号：CN202410723950.0
申请日：2024-06-05
Applicant: 南京农业大学
IPC: G06F30/27 , G06N3/0442 , G06F18/25 , G06N20/00 , G06F111/10
Abstract: 本发明提供了一种作物物候期表型预测方法、系统、装置及存储介质，包括：获取待测作物的相关数据；将相关数据中与WheatGrow相关的数据代入WheatGrow中进行参数校正，得到作物参数；将相关数据中与WheatGrow相关的数据和作物参数代入WheatGrow中得到每个品种的物候期；将日最高温数据、日最低温数据代入CDD算法中计算得到每个物候期的累积低温度日；以物候期为划分标准，将累积低温度日和相关数据中未代入WheatGrow的其它数据的累积值进行分组并划分成训练集和测试集；将训练集代入LSTM中训练；将测试集代入训练后的LSTM中得到模拟结果。本发明能够提高模型对小麦物候期的模拟精度。
-
公开(公告)号：CN118296971A
公开(公告)日：2024-07-05
申请号：CN202410723950.0
申请日：2024-06-05
Applicant: 南京农业大学
IPC: G06F30/27 , G06N3/0442 , G06F18/25 , G06N20/00 , G06F111/10
Abstract: 本发明提供了一种作物物候期表型预测方法、系统、装置及存储介质，包括：获取待测作物的相关数据；将相关数据中与WheatGrow相关的数据代入WheatGrow中进行参数校正，得到作物参数；将相关数据中与WheatGrow相关的数据和作物参数代入WheatGrow中得到每个品种的物候期；将日最高温数据、日最低温数据代入CDD算法中计算得到每个物候期的累积低温度日；以物候期为划分标准，将累积低温度日和相关数据中未代入WheatGrow的其它数据的累积值进行分组并划分成训练集和测试集；将训练集代入LSTM中训练；将测试集代入训练后的LSTM中得到模拟结果。本发明能够提高模型对小麦物候期的模拟精度。
-
公开(公告)号：CN118171785B
公开(公告)日：2024-07-16
申请号：CN202410597826.4
申请日：2024-05-14
Applicant: 南京农业大学
Abstract: 本发明提供了一种基于作物生育期表型及其区域适应性的定量预测方法、系统及装置，定量预测方法包括：S1、获取与待测作物相关的数据，数据包括多个不同种植环境下记录的作物品种信息、生育期观测数据、气象数据、管理措施数据及QTN标记位点数据；S2、根据数据和作物模型确定品种参数校正值；S3、根据QTN标记位点数据、品种参数校正值和全基因组关联分析算法确定满足要求的QTN标记位点数据和品种参数校正值；S4、根据满足要求的QTN标记位点数据和品种参数校正值计算品种参数模拟值；S5、根据气象数据、管理措施数据、品种参数模拟值和作物模型计算生育期模拟数据。本发明能够实现不依赖人工观测的多基因型作物生育期表型的精确预测。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
