本發(fā)明實(shí)施例涉及農(nóng)業(yè)生產(chǎn)技術(shù)領(lǐng)域，更具體地，涉及一種大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)。

背景技術(shù)：

人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸聯(lián)接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型，具有自學(xué)習(xí)、自組織和自適應(yīng)的特點(diǎn)，通過(guò)對(duì)有代表性的樣本進(jìn)行學(xué)習(xí)掌握學(xué)習(xí)對(duì)象的內(nèi)部規(guī)律，從而在一定程度上克服信息量大的問(wèn)題，彌補(bǔ)傳統(tǒng)方法的不足。

在農(nóng)業(yè)生產(chǎn)領(lǐng)域，人工神經(jīng)網(wǎng)絡(luò)被應(yīng)用在分類、評(píng)價(jià)、預(yù)測(cè)和建模等領(lǐng)域，并且發(fā)揮了重要作用。這種非線性映射的數(shù)字模型，比較適宜解決農(nóng)業(yè)領(lǐng)域中許多難以用常規(guī)數(shù)學(xué)方法表達(dá)的復(fù)雜問(wèn)題，尤其是在預(yù)測(cè)和建模方面顯示了較好的應(yīng)用潛力。

目前，有許多利用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)和建模的應(yīng)用實(shí)例，例如，利用人工神經(jīng)網(wǎng)絡(luò)將每日最高和最低氣溫、光周期、栽種期或開(kāi)花期作為輸入變量，預(yù)測(cè)大豆開(kāi)花期和生理成熟期；或利用某月上旬土壤墑情值、降雨或光照等值作為輸入變量，預(yù)測(cè)下一時(shí)段的土壤墑情值等。

但在獲取諸如土壤墑情值、降雨或光照等輸入變量時(shí)，小區(qū)域(如鄉(xiāng)鎮(zhèn))的輸入變量往往比較容易獲取，而由于地域面積的限制，大區(qū)域(如縣市)的輸入變量會(huì)很難獲取或獲得的輸入變量并不準(zhǔn)確，導(dǎo)致無(wú)法利用人工神經(jīng)網(wǎng)絡(luò)對(duì)大區(qū)域農(nóng)業(yè)生產(chǎn)目標(biāo)進(jìn)行預(yù)測(cè)。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)現(xiàn)有技術(shù)中存在的無(wú)法利用人工神經(jīng)網(wǎng)絡(luò)對(duì)大區(qū)域農(nóng)業(yè)生產(chǎn)目標(biāo)進(jìn)行預(yù)測(cè)的問(wèn)題，本發(fā)明實(shí)施例提供了一種克服上述問(wèn)題或者至少部分地解決上述問(wèn)題的大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)。

本發(fā)明實(shí)施例提供了一種大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)，包括：大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器和對(duì)應(yīng)于各建模點(diǎn)的建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器；其中，

所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器用于基于建模點(diǎn)的環(huán)境數(shù)據(jù)，利用第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型獲取所述建模點(diǎn)的待預(yù)測(cè)目標(biāo)的第一預(yù)測(cè)值，并將所述第一預(yù)測(cè)值發(fā)送至所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器；

所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器用于基于所述第一預(yù)測(cè)值，利用第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型獲取大區(qū)域的所述待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值。

其中，還包括建模點(diǎn)選取單元，用于根據(jù)所述大區(qū)域和所述大區(qū)域所包含的小區(qū)域之間的相關(guān)性，選取作為所述建模點(diǎn)的小區(qū)域。

其中，還包括用于采集各建模點(diǎn)環(huán)境數(shù)據(jù)的環(huán)境數(shù)據(jù)采集單元，所述環(huán)境數(shù)據(jù)采集單元包括數(shù)據(jù)采集終端、路由節(jié)點(diǎn)以及協(xié)調(diào)節(jié)點(diǎn)；其中，

所述數(shù)據(jù)采集終端與所述路由節(jié)點(diǎn)通過(guò)公共信道連接，用于采集建模點(diǎn)的環(huán)境數(shù)據(jù)，并將所述環(huán)境數(shù)據(jù)傳送至所述路由節(jié)點(diǎn)；

所述路由節(jié)點(diǎn)與所述協(xié)調(diào)節(jié)點(diǎn)通過(guò)公共信道連接，用于將所述環(huán)境數(shù)據(jù)傳送至所述協(xié)調(diào)節(jié)點(diǎn)；

所述協(xié)調(diào)節(jié)點(diǎn)與所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器連接，用于將所述環(huán)境數(shù)據(jù)傳送至所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器。

其中，所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器還用于構(gòu)建第一初始神經(jīng)網(wǎng)絡(luò)模型，并通過(guò)第一訓(xùn)練樣本對(duì)所述第一初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。

其中，所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器還用于構(gòu)建第二初始神經(jīng)網(wǎng)絡(luò)模型，并通過(guò)第二訓(xùn)練樣本對(duì)所述第二初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。

其中，所述第一初始神經(jīng)網(wǎng)絡(luò)模型為以所述環(huán)境數(shù)據(jù)為輸入層、以所述第一預(yù)測(cè)值為輸出層的bp神經(jīng)網(wǎng)絡(luò)模型。

其中，所述第一訓(xùn)練樣本包括所述環(huán)境數(shù)據(jù)的歷史數(shù)據(jù)和對(duì)應(yīng)的建模點(diǎn)的所述待測(cè)目標(biāo)的真實(shí)值。

其中，所述第二初始神經(jīng)網(wǎng)絡(luò)模型為以所述第一預(yù)測(cè)值作為輸入層、以所述待測(cè)目標(biāo)的預(yù)測(cè)值為輸出層的bp神經(jīng)網(wǎng)絡(luò)模型。

其中，所述第二訓(xùn)練樣本包括所述第一預(yù)測(cè)值的歷史數(shù)據(jù)和對(duì)應(yīng)的大區(qū)域的所述待測(cè)目標(biāo)的真實(shí)值。

其中，還包括客戶端，用于獲取所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器輸出的所述待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值。

本發(fā)明實(shí)施例提供的一種大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)，通過(guò)在大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器和建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器上分別構(gòu)建神經(jīng)網(wǎng)絡(luò)模型形成分級(jí)神經(jīng)網(wǎng)絡(luò)模型，將建模點(diǎn)的環(huán)境數(shù)據(jù)作為輸入，利用所述分級(jí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，獲取大區(qū)域的待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值，實(shí)現(xiàn)了大區(qū)域待預(yù)測(cè)目標(biāo)的預(yù)測(cè)，且系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，布置方便，易于推廣應(yīng)用。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例提供的一種大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)的示意圖；

圖2為本發(fā)明實(shí)施例提供的一種大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)框圖；

圖3為本發(fā)明實(shí)施例提供的圖2所述實(shí)施例中所述環(huán)境數(shù)據(jù)采集模塊的結(jié)構(gòu)框圖。

具體實(shí)施方式

為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚地描述，顯然，所描述的實(shí)施例是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

圖1為本發(fā)明實(shí)施例提供的一種大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)的示意圖，圖2為本發(fā)明實(shí)施例提供的一種大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)框圖，如圖1、圖2所示，所述系統(tǒng)包括：大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器11和對(duì)應(yīng)于各建模點(diǎn)的建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器12。其中：

所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器12用于基于所述建模點(diǎn)的環(huán)境數(shù)據(jù)，利用第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型輸出所述建模點(diǎn)的待預(yù)測(cè)目標(biāo)的第一預(yù)測(cè)值，并將所述第一預(yù)測(cè)值發(fā)送至所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器11。所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器11用于基于所述第一預(yù)測(cè)值，利用第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型輸出大區(qū)域的所述待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值。

其中，所述大區(qū)域中設(shè)置有多個(gè)建模點(diǎn)，所述建模點(diǎn)的數(shù)量和位置根據(jù)實(shí)際需求確定。所述環(huán)境數(shù)據(jù)包括溫度、濕度、日照和風(fēng)力等。所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器12中存儲(chǔ)有所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器11中存儲(chǔ)有所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，多個(gè)所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器12中的多個(gè)第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型與所述所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器11中的所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型一起形成分級(jí)神經(jīng)網(wǎng)絡(luò)模型。在具體實(shí)施時(shí)，可以在所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器12中預(yù)存多種適用于不同預(yù)測(cè)目標(biāo)的所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，同時(shí)可以在所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器11中預(yù)存對(duì)應(yīng)的多種適用于不同預(yù)測(cè)目標(biāo)的所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型，那么根據(jù)所需預(yù)測(cè)目標(biāo)的不同，可以組合形成多種所述分級(jí)神經(jīng)網(wǎng)絡(luò)模型。

所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的輸入是所述建模點(diǎn)的環(huán)境數(shù)據(jù)，輸出是所述建模點(diǎn)的待預(yù)測(cè)目標(biāo)的第一預(yù)測(cè)值，所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型的輸入是大區(qū)域內(nèi)多個(gè)建模點(diǎn)的待預(yù)測(cè)目標(biāo)的第一預(yù)測(cè)值，輸出是所述大區(qū)域的待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值，即所述分級(jí)神經(jīng)網(wǎng)絡(luò)模型的輸入是多個(gè)所述建模點(diǎn)的環(huán)境數(shù)據(jù)，輸出是所述大區(qū)域的待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值。

具體地，根據(jù)所需預(yù)測(cè)的待預(yù)測(cè)目標(biāo)，選取對(duì)應(yīng)的分級(jí)神經(jīng)網(wǎng)絡(luò)模型，并確定所需環(huán)境數(shù)據(jù)的種類，進(jìn)而對(duì)建模點(diǎn)的所述環(huán)境數(shù)據(jù)進(jìn)行篩選。將篩選出的所述環(huán)境數(shù)據(jù)作為輸入，利用所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，輸出對(duì)應(yīng)小區(qū)域的所述預(yù)測(cè)目標(biāo)的預(yù)測(cè)值，即輸出所述第一預(yù)測(cè)值。多個(gè)所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器12將所述第一預(yù)測(cè)值發(fā)送至所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器11，將多個(gè)所述第一預(yù)測(cè)值作為輸入，利用所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，輸出所述大區(qū)域的所述預(yù)測(cè)目標(biāo)的預(yù)測(cè)值，也即將篩選后的所述建模點(diǎn)的所述環(huán)境數(shù)據(jù)作為所述分級(jí)神經(jīng)網(wǎng)絡(luò)模型的輸入，輸出所述大區(qū)域的所述預(yù)測(cè)目標(biāo)的預(yù)測(cè)值。

本發(fā)明實(shí)施例提供的一種大區(qū)域農(nóng)業(yè)預(yù)測(cè)系統(tǒng)，通過(guò)在大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器和建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器上分別構(gòu)建神經(jīng)網(wǎng)絡(luò)模型形成分級(jí)神經(jīng)網(wǎng)絡(luò)模型，將建模點(diǎn)的環(huán)境數(shù)據(jù)作為輸入，利用所述分級(jí)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測(cè)，獲取大區(qū)域的待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值，實(shí)現(xiàn)了大區(qū)域待預(yù)測(cè)目標(biāo)的預(yù)測(cè)，且系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，布置方便，易于推廣應(yīng)用。

在上述實(shí)施例中，所述系統(tǒng)還包括建模點(diǎn)選取單元，用于根據(jù)所述大區(qū)域和所述大區(qū)域所包含的小區(qū)域之間的相關(guān)性，選取作為所述建模點(diǎn)的小區(qū)域。

其中，所述大區(qū)域包括多個(gè)所述小區(qū)域，在實(shí)際生產(chǎn)實(shí)踐中無(wú)法對(duì)每個(gè)所述小區(qū)域的環(huán)境數(shù)據(jù)進(jìn)行采集，只能選取其中部分所述小區(qū)域作為建模點(diǎn)用于布設(shè)環(huán)境數(shù)據(jù)采集單元，而被選座建模點(diǎn)的所述小區(qū)域與所述大區(qū)域之間要存在一定的相關(guān)性才能作為所述建模點(diǎn)。

具體地，獲取一段時(shí)間內(nèi)所述大區(qū)域的待預(yù)測(cè)目標(biāo)的真實(shí)值以及多個(gè)所述小區(qū)域的待預(yù)測(cè)目標(biāo)的真實(shí)值，據(jù)此進(jìn)行相關(guān)性分析，得出所述大區(qū)域和所述多個(gè)小區(qū)域之間的相關(guān)性數(shù)值，選取相關(guān)性高的所述小區(qū)域作為建模點(diǎn)。

進(jìn)一步地，每隔一定時(shí)間對(duì)所述大區(qū)域和所述小區(qū)域之間的相關(guān)性進(jìn)行分析，當(dāng)相關(guān)性發(fā)生改變時(shí)，重新選取所述建模點(diǎn)，這樣可以避免相關(guān)性改變后導(dǎo)致所述系統(tǒng)對(duì)待預(yù)測(cè)目標(biāo)預(yù)測(cè)不準(zhǔn)確。

本發(fā)明實(shí)施例通過(guò)對(duì)大區(qū)域和其中小區(qū)域進(jìn)行相關(guān)性分析來(lái)選取建模點(diǎn)，可以保證所述系統(tǒng)中分級(jí)神經(jīng)網(wǎng)絡(luò)模型對(duì)待預(yù)測(cè)目標(biāo)預(yù)測(cè)的準(zhǔn)確性。

在上述實(shí)施例中，如圖2、圖3所示，所述系統(tǒng)還包括用于采集各建模點(diǎn)環(huán)境數(shù)據(jù)的環(huán)境數(shù)據(jù)采集單元，所述環(huán)境數(shù)據(jù)采集單元包括數(shù)據(jù)采集終端31、路由節(jié)點(diǎn)32以及協(xié)調(diào)節(jié)點(diǎn)33。其中：

所述數(shù)據(jù)采集終端31與所述路由節(jié)點(diǎn)32通過(guò)公共信道連接，用于采集建模點(diǎn)的環(huán)境數(shù)據(jù)，并將所述環(huán)境數(shù)據(jù)傳送至所述路由節(jié)點(diǎn)32。所述路由節(jié)點(diǎn)32與所述協(xié)調(diào)節(jié)點(diǎn)33通過(guò)公共信道連接，用于將所述環(huán)境數(shù)據(jù)傳送至所述協(xié)調(diào)節(jié)點(diǎn)33。所述協(xié)調(diào)節(jié)點(diǎn)33與所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器通過(guò)連接，用于將所述環(huán)境數(shù)據(jù)傳送至所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器。

其中，所述環(huán)境數(shù)據(jù)采集單元包括多個(gè)數(shù)據(jù)采集終端31，多個(gè)數(shù)據(jù)采集終端通過(guò)2.4g公共信道連接，再經(jīng)所述路由節(jié)點(diǎn)32通過(guò)2.4g公共信道接力連接形成無(wú)線傳感網(wǎng)。所述數(shù)據(jù)采集終端具體包括各類傳感器，例如采集溫度的數(shù)據(jù)采集終端包括溫度傳感器用于采集建模點(diǎn)所在小區(qū)域的溫度。

具體地，可采用c語(yǔ)言，通過(guò)編寫(xiě)驅(qū)動(dòng)程序并修改z-stack協(xié)議棧，驅(qū)動(dòng)數(shù)據(jù)所述無(wú)線傳感網(wǎng)，實(shí)現(xiàn)所述環(huán)境數(shù)據(jù)的自動(dòng)獲取，及所述環(huán)境數(shù)據(jù)在所述無(wú)線傳感網(wǎng)網(wǎng)內(nèi)的傳輸，并最終將所述環(huán)境數(shù)據(jù)經(jīng)所述協(xié)調(diào)節(jié)點(diǎn)33通過(guò)串口傳送至所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器。

本發(fā)明實(shí)施例通過(guò)構(gòu)建無(wú)線傳感網(wǎng)，實(shí)現(xiàn)了環(huán)境數(shù)據(jù)的自動(dòng)化采集和傳輸，提高了系統(tǒng)的自動(dòng)化程度，使系統(tǒng)的使用更加方便，有利于推廣應(yīng)用。

在上述實(shí)施例中，所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器還用于構(gòu)建第一初始神經(jīng)網(wǎng)絡(luò)模型，并通過(guò)第一訓(xùn)練樣本對(duì)所述第一初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。其中，所述第一初始神經(jīng)網(wǎng)絡(luò)模型以所述環(huán)境數(shù)據(jù)為輸入層、以所述第一預(yù)測(cè)值為輸出層的bp神經(jīng)網(wǎng)絡(luò)模型。所述第一訓(xùn)練樣本包括所述環(huán)境數(shù)據(jù)的歷史數(shù)據(jù)和對(duì)應(yīng)的建模點(diǎn)的所述待測(cè)目標(biāo)的真實(shí)值。

其中，bp神經(jīng)網(wǎng)絡(luò)模型由兩部分組成：樣本數(shù)據(jù)的正向傳遞與誤差的反向傳播。在正向傳遞過(guò)程中，輸入信息從輸出層逐層計(jì)算到輸出層。如果輸出層沒(méi)有得到期望輸出，則通過(guò)網(wǎng)絡(luò)將輸出層誤差沿原來(lái)的連接通路反向傳回，用來(lái)修改各神經(jīng)元的權(quán)值和閾值直至達(dá)到期望的誤差目標(biāo)。在構(gòu)建所述第一初始神經(jīng)網(wǎng)絡(luò)模型時(shí)，以所述環(huán)境數(shù)據(jù)為輸入層、以所述第一預(yù)測(cè)值為輸出層構(gòu)建bp神經(jīng)網(wǎng)絡(luò)模型。一段時(shí)間內(nèi)的所述環(huán)境數(shù)據(jù)的歷史數(shù)據(jù)和對(duì)應(yīng)建模點(diǎn)的所述待測(cè)目標(biāo)的真實(shí)值以表單的形式存儲(chǔ)在所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器中形成第一歷史數(shù)據(jù)庫(kù)，在具體實(shí)施時(shí)，可采用jdbc技術(shù)，實(shí)現(xiàn)第一歷史數(shù)據(jù)庫(kù)的入庫(kù)和增刪改查等操作。

具體地，所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器構(gòu)建所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型一般分為兩個(gè)步驟：第一步，構(gòu)建第一初始神經(jīng)網(wǎng)絡(luò)模型，第二步，對(duì)所述第一初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。在第一步中，根據(jù)待預(yù)測(cè)目標(biāo)的種類對(duì)建模點(diǎn)的環(huán)境數(shù)據(jù)進(jìn)行篩選，將篩選后的環(huán)境數(shù)據(jù)作為輸入層，例如，所述待預(yù)測(cè)目標(biāo)為中稻稻瘟病病情時(shí)，則選取溫度、濕度、日照和風(fēng)力作為輸入層；再將所述第一預(yù)測(cè)值作為輸出層。在第二步中，根據(jù)所述第一初始神經(jīng)網(wǎng)絡(luò)模型的輸入層從所述第一歷史數(shù)據(jù)庫(kù)中選取所述環(huán)境數(shù)據(jù)的歷史數(shù)據(jù)和對(duì)應(yīng)的建模點(diǎn)的所述待測(cè)目標(biāo)的真實(shí)值作為所述第一訓(xùn)練樣本，將所述第一訓(xùn)練樣本輸入所述第一初始神經(jīng)網(wǎng)絡(luò)模型對(duì)其進(jìn)行訓(xùn)練，得到所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。在具體實(shí)施時(shí)，可采用java語(yǔ)言構(gòu)建所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。

進(jìn)一步地，可以將對(duì)應(yīng)于多種常見(jiàn)的所述待預(yù)測(cè)目標(biāo)的所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型預(yù)存在所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器中，在確定待預(yù)測(cè)目標(biāo)后可直接選用相應(yīng)的所述第一預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型來(lái)進(jìn)行預(yù)測(cè)，使所述系統(tǒng)工作更加高效。

在上述實(shí)施例中，所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器還用于構(gòu)建第二初始神經(jīng)網(wǎng)絡(luò)模型，并通過(guò)第二訓(xùn)練樣本對(duì)所述第二初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。其中，所述第二初始神經(jīng)網(wǎng)絡(luò)模型為以所述第一預(yù)測(cè)值作為輸入層、以所述待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值為輸出層的bp神經(jīng)網(wǎng)絡(luò)模型。所述第二訓(xùn)練樣本包括所述第一預(yù)測(cè)值的歷史數(shù)據(jù)和對(duì)應(yīng)的大區(qū)域的所述待測(cè)目標(biāo)的真實(shí)值。

其中，bp神經(jīng)網(wǎng)絡(luò)模型由兩部分組成：樣本數(shù)據(jù)的正向傳遞與誤差的反向傳播。在正向傳遞過(guò)程中，輸入信息從輸出層逐層計(jì)算到輸出層。如果輸出層沒(méi)有得到期望輸出，則通過(guò)網(wǎng)絡(luò)將輸出層誤差沿原來(lái)的連接通路反向傳回，用來(lái)修改各神經(jīng)元的權(quán)值和閾值直至達(dá)到期望的誤差目標(biāo)。在構(gòu)建所述第二初始神經(jīng)網(wǎng)絡(luò)模型時(shí)，以所述第一預(yù)測(cè)值為輸入層、以所述大區(qū)域待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值為輸出層構(gòu)建bp神經(jīng)網(wǎng)絡(luò)模型。一段時(shí)間內(nèi)的所述第一預(yù)測(cè)值的歷史數(shù)據(jù)和對(duì)應(yīng)大區(qū)域的所述待測(cè)目標(biāo)的真實(shí)值以表單的形式存儲(chǔ)在所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器中形成第二歷史數(shù)據(jù)庫(kù)，在具體實(shí)施時(shí)，可采用jdbc技術(shù)，實(shí)現(xiàn)第二歷史數(shù)據(jù)庫(kù)的入庫(kù)和增刪改查等操作。

具體地，所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器構(gòu)建所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型一般分為兩個(gè)步驟：第一步，構(gòu)建第二初始神經(jīng)網(wǎng)絡(luò)模型，第二步，對(duì)所述第二初始神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練得到所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。在第一步中，將各建模點(diǎn)的所述第一預(yù)測(cè)值作為輸入層，再將所述第一預(yù)測(cè)值作為輸出層。在第二步中，從所述第二歷史數(shù)據(jù)庫(kù)中選取所述第一預(yù)測(cè)值的歷史數(shù)據(jù)和對(duì)應(yīng)的大區(qū)域的所述待測(cè)目標(biāo)的真實(shí)值作為所述第二訓(xùn)練樣本，將所述第二訓(xùn)練樣本輸入所述第二初始神經(jīng)網(wǎng)絡(luò)模型對(duì)其進(jìn)行訓(xùn)練，得到所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。在具體實(shí)施時(shí)，可采用java語(yǔ)言構(gòu)建所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型。

進(jìn)一步地，可以將對(duì)應(yīng)于多種常見(jiàn)的所述待預(yù)測(cè)目標(biāo)的所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型預(yù)存在所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器中，在確定待預(yù)測(cè)目標(biāo)后可直接選用相應(yīng)的所述第二預(yù)設(shè)神經(jīng)網(wǎng)絡(luò)模型來(lái)進(jìn)行預(yù)測(cè)，使所述系統(tǒng)工作更加高效。

在上述實(shí)施例中，所述系統(tǒng)還包括第一移動(dòng)數(shù)傳模塊和第二移動(dòng)數(shù)傳模塊，所述第一移動(dòng)數(shù)傳模塊與所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器通過(guò)串口連接，所述第二移動(dòng)數(shù)傳模塊與所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器通過(guò)串口連接，所述第一移動(dòng)數(shù)傳模塊和所述第二移動(dòng)數(shù)傳模塊通過(guò)移動(dòng)網(wǎng)絡(luò)連接。

具體地，所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器將所述環(huán)境數(shù)據(jù)通過(guò)串口傳送至所述第一移動(dòng)數(shù)傳模塊，所述第一數(shù)傳模塊再通過(guò)無(wú)線通信將所述環(huán)境數(shù)據(jù)傳送至所述第二移動(dòng)數(shù)傳模塊，所述第二數(shù)傳模塊將所述環(huán)境數(shù)據(jù)通過(guò)串口傳送至所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器。

在上述實(shí)施例中，所述系統(tǒng)還包括客戶端，用于獲取所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器輸出的所述待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值。

其中，所述客戶端包括pc和移動(dòng)通訊工具，所述移動(dòng)通訊工具包括手機(jī)和平板電腦等。

具體地，用戶可使用pc通過(guò)互聯(lián)網(wǎng)訪問(wèn)所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器，以獲取所述待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值，同時(shí)，所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器也可以作為web服務(wù)器存儲(chǔ)待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值的歷史數(shù)據(jù)，用戶可以通過(guò)pc查詢所述歷史數(shù)據(jù)。用戶使用移動(dòng)通訊工具通過(guò)移動(dòng)網(wǎng)絡(luò)接收所述第二移動(dòng)數(shù)傳模塊發(fā)送的所述待預(yù)測(cè)目標(biāo)的預(yù)測(cè)值。

下面通過(guò)實(shí)例來(lái)對(duì)本發(fā)明實(shí)施例進(jìn)行進(jìn)一步說(shuō)明，假設(shè)需要利用所述系統(tǒng)對(duì)湖南省桃江縣的中稻稻瘟病病情進(jìn)行預(yù)測(cè)，則所述待預(yù)測(cè)目標(biāo)為中稻稻瘟病病情。首先，所述系統(tǒng)的建模點(diǎn)選取單元通過(guò)相關(guān)性分析選取5個(gè)桃江縣所轄鄉(xiāng)鎮(zhèn)作為建模點(diǎn)，在5個(gè)建模點(diǎn)分別布置環(huán)境采集單元。在所述系統(tǒng)中構(gòu)建或選取對(duì)應(yīng)于中稻稻瘟病病情的分級(jí)神經(jīng)網(wǎng)絡(luò)模型。5個(gè)環(huán)境采集單元將采集到的各建模點(diǎn)的環(huán)境數(shù)據(jù)發(fā)送至各所述建模點(diǎn)神經(jīng)網(wǎng)絡(luò)服務(wù)器，經(jīng)分級(jí)神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)，所述大區(qū)域神經(jīng)網(wǎng)絡(luò)服務(wù)器將輸出桃江縣中稻稻瘟病病情預(yù)測(cè)值。同時(shí)用戶可以通過(guò)手機(jī)短信的形式接收桃江縣稻瘟病病情預(yù)測(cè)值，也可以通過(guò)pc查詢所述預(yù)測(cè)值。

最后應(yīng)說(shuō)明的是：以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案，而非對(duì)其限制；盡管參照前述實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)的說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解：其依然可以對(duì)前述各實(shí)施例所記載的技術(shù)方案進(jìn)行修改，或者對(duì)其中部分技術(shù)特征進(jìn)行等同替換；而這些修改或者替換，并不使相應(yīng)技術(shù)方案的本質(zhì)脫離本發(fā)明各實(shí)施例技術(shù)方案的精神和范圍。