买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉河北农业大学申请的专利一种用于玉米产量的智能预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120012995B 。

龙图腾网通过国家知识产权局官网在2025-12-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510081720.3，技术领域涉及：G06Q10/04；该发明授权一种用于玉米产量的智能预测方法是由尹宝重;刘盼;马志凯;甄文超;武金燚;王彦东;谷利敏设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本一种用于玉米产量的智能预测方法在说明书摘要公布了：本发明公开了一种用于玉米产量的智能预测方法，通过训练得到多层前馈神经网络模型，通过遗传方法对多层前馈神经网络模型进行训练，得到的预测模型在预测玉米产量时具备更高的预测精度；该方法通过同化对玉米产量有较大影响的植被净初级生产力数据，可以获取更精确的玉米生长状态的预测数据，基于预测数据对网络模型进行更新，使模型更好的适应当前的玉米生长数据，提高玉米产量预测的准确性；该方法通过多层前馈神经网络模型提高的预测运算的速度，可以更科学、合理地对玉米的产量进行预测，从而更便于对玉米生产及管理措施及时进行精确调整。

本发明授权一种用于玉米产量的智能预测方法在权利要求书中公布了：1.一种用于玉米产量的智能预测方法，其特征在于：包括： 步骤1、采集待测区域玉米种植状态的遥感观测数据及生长相关数据，采用CASA模型对遥感观测数据进行处理得到植被净初级生产力数据； 步骤2、从数据库中选取玉米生长相关数据，并基于对应植被净初级生产力数据采用集合卡尔曼滤波同化方法同化WOFOST模型，将采集的当前植被净初级生产力数据和生长相关数据采用同化后的WOFOST模型获取待测区域玉米当前状态之后的多组生长相关数据的预测数据； 步骤3、从数据库中选取玉米生长相关及对应玉米产量数据，基于遗传方法对多层前馈神经网络模型进行训练，将同化后的WOFOST模型运行得到的多组预测数据输入至训练好的多层前馈神经网络模型，得到初级玉米产量预测结果； 所述步骤3中多层前馈神经网络模型的训练步骤包括： 步骤3.1、获取数据库中玉米生长相关及对应玉米产量数据，对获取的数据进行预处理，所述玉米生长相关数据包括气象数据、田间环境数据、植株特征和施肥信息； 步骤3.2、基于预处理后的数据生成初始化种群并计算个体适应度值； 所述步骤3.2中个体适应度值的适应度函数F表示为：其中，fi为预期输出值，fxi为实际输出值，i为输入层对应编码，n为输入层数量； 步骤3.3、基于遗传方法对生成的种群基于遗传方法进行择优迭代； 所述步骤3.3的具体步骤包括： 步骤3.3.1、通过选择运算从原始种群中选出优秀样本，所述选择运算中个体选择的概率函数表示为其中，Fi为个体i的种群适应度值，N为种群数量； 步骤3.3.2、通过交叉运算从优秀样本中生成适应性强的新个体样本； 所述步骤3.3.2中交叉运算的函数表示为akj＝akj1-b+aij，其中，akj为优秀样本中的两个个体ak和ai在j处交叉操作得到的一个新个体，b为随机数； 步骤3.3.3、通过变异运算从新个体样本中生成变异个体，得到新的种群； 所述步骤3.3.3中变异运算的函数表示为： 其中，amax、amin为aij的边界条件，r2为随机数，g为迭代次数，Gmax为最大进化次数，aij为新个体样本中个体ai在j处发生变异，形成的一个新个体； 步骤3.4、获取迭代后满足条件的最优位置并计算得到最优权值阈值； 其中，步骤3.4具体包括：获取新生成种群中个体的适应度值，重复进行择优迭代，直至适应度值满足要求或进化次数达到最大值，得到遗传方法优化后的多层前馈神经网络模型的权重和阈值； 步骤3.5、将得到的最优解输入多层前馈神经网络模型中进行训练和预测分析，得到训练好的多层前馈神经网络模型； 步骤4、将前一阶段的生长相关数据与相邻后一阶段的初级玉米产量预测结果组合得到更新数据集，基于遗传方法对多层前馈神经网络模型进行更新训练； 步骤5、将采集的生长相关数据采用更新后的神经网络模型获取待测区域玉米对应的玉米产量预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河北农业大学，其通讯地址为：071001 河北省保定市灵雨寺街289号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。