申请/专利权人：东北林业大学;国家林业和草原局生物灾害防控中心

申请日：2024-04-17

公开（公告）日：2024-06-18

公开（公告）号：CN118211733A

主分类号：G06Q10/04

分类号：G06Q10/04;G06F18/214;G06F18/24;G06N3/0464;G06N3/084;G06F17/18

优先权：

专利状态码：在审-公开

法律状态：2024.06.18#公开

摘要：一种松材线虫病发生预测方法、电子设备及存储介质，属于森林病虫害大数据预测与控制技术领域。为提高松材线虫病发生预测的准确性，本发明建立松材线虫病多源影响因子数据集；进行时间和空间的划分，然后进行数据清洗、数据整合、数据转换和归一化处理，划分为对应的训练集和预测集；构建用于松材线虫病的细胞自动机模型；构建用于松材线虫病的时间卷积网络模型；利用处理后的松材线虫病多源影响因子数据集的预测集，输入到训练好的松材线虫病的细胞自动机模型、用于松材线虫病的时间卷积网络模型中，对松材线虫病发生进行预测；将松材线虫病发生预测结果，基于ArcGIS的可视化地理信息系统生成集成图层。本发明预测准确。

主权项：1.一种松材线虫病发生预测方法，其特征在于，包括如下步骤：S1.采集气象数据、土壤数据、地理信息数据、遥感数据以及松材线虫病历史数据，建立松材线虫病多源影响因子数据集；S2.将步骤S1建立的松材线虫病多源影响因子数据集中的数据进行时间和空间的划分，然后进行数据清洗、数据整合、数据转换和归一化处理，得到处理后的松材线虫病多源影响因子数据集，待用；S3.将步骤S2得到的处理后的松材线虫病多源影响因子数据集划分为训练集和预测集；S4.构建用于松材线虫病的细胞自动机模型，将步骤S3得到的处理后的松材线虫病多源影响因子数据集的训练集输入到用于松材线虫病的细胞自动机模型中进行训练，输出结果为松材线虫病发生的空间预测数据；S5.构建用于松材线虫病的时间卷积网络模型，将步骤S3得到处理后的松材线虫病多源影响因子数据集训练集和步骤S4得到的松材线虫病发生的空间预测数据组合后输入到用于松材线虫病的时间卷积网络模型中进行训练，输出结果为在影响因子的作用下，基于区划代码预测的松材线虫病发生概率；S6.利用步骤S3得到的处理后的松材线虫病多源影响因子数据集的预测集输入到训练好的松材线虫病的细胞自动机模型、用于松材线虫病的时间卷积网络模型中，对松材线虫病发生进行预测；S7.将步骤S6得到的松材线虫病发生预测结果，基于ArcGIS的可视化地理信息系统生成集成图层。

全文数据：

权利要求：

百度查询： 东北林业大学;国家林业和草原局生物灾害防控中心 一种松材线虫病发生预测方法、电子设备及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD