基于混合机器学习与深度学习模型的农作物产量预测方法

摘要

本发明揭示了一种基于混合机器学习与深度学习模型的农作物产量预测方法，其包括以下步骤：S1）获取作物数据集，其包括pH值、相对湿度、温度、降雨量、面积、市场供求量、作物单位价格及作物单位成本；S2）归一化处理；S3）计算每一属性数据集中极值点数量占比μ；S4）设定阈值U，将μ大于U的属性数据集作为第二数据集送入LSTM网络中；将μ小于U的属性数据集作为第一数据集送入RNN网络中；S5）通过LSTM网络预测出第一预测数据；通过RNN网络预测出第二预测数据，两组预测数据共同构成属性预测数据；S6）将属性预测数据输入到SVM分类网络中，预测出作物产量。本发明大大提高了对农作物产量的预测精度和效率，为作物的种植规划提供了科学可靠的依据。