一种基于XGBoost算法的小麦赤霉病预测方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116028834A(43)申请公布日2023.04.28(21)申请号202310177526.6(22)申请日2023.02.28(71)申请人中国农业科学院植物保护研究所地址100193北京市海淀区圆明园西路2号南2门申请人北京黄将军科技有限公司(72)发明人张昊王季锋刘太国陈万权王兆勇(74)专利代理机构丽水创智果专利代理事务所(普通合伙)33278专利代理师赵晶(51)Int.Cl.G06F18/2321(2023.01)G06F18/214(2023.01)G06N20/00(2019.01)权利要求书1页说明书4页附图1页(54)发明名称一种基于XGBoost算法的小麦赤霉病预测方法(57)摘要本发明涉及农作物病害监测技术领域，公开了一种基于XGBoost算法的小麦赤霉病预测方法。包括以下步骤：S1:建立全国小麦赤霉病病情数据库；S2:建立病害监测点气象资料数据库；S3:筛选出三个模型的训练数据集；S4:使用XGBoost算法进行梯度提升训练；S5:评价模型精度。本发明提供的基于XGBoost算法的小麦赤霉病预测方法数据来源为全国大部分小麦产区的多年多病害监测点调查数据，包括扬花期前30天至扬花期后15天的气象数据，数据精度高、数据量大。采用三段式预测的方法，具有适用范围广、预测精度高、预测时间提前的优点，同时可以逐年向数据库中增加新的数据，用以优化模型参数，提高模型精度，能够大范围应用于全国的小麦赤霉病监测预警，保障我国小麦生产安全。CN116028834ACN116028834A权利要求书1/1页1.一种基于XGBoost算法的小麦赤霉病预测方法，其特征在于：包括如下步骤：S1：根据多年在全国多个省份进行小麦赤霉病田间发病率调查，构建病情数据库，建立全国小麦赤霉病病情数据库；S2：基于中国气象要素站点观测逐日数据集，利用R软件(Rversion：4.1.1)中的gstat程序包，通过普通克里金插值法得到各病害监测点的气象数据，建立病害监测点气象资料数据库；S3：根据赤霉病的实际防控需求，设立了三个预报时间节点，分别是扬花期前9天、前6天、前3天，分别设置三个预测模型(model1、model2、model3)，根据模型设置要求从步骤S1和S2建立的数据库中提取扬花期前30天至扬花期后15天共46天的部分气象数据，分别建立三个模型训练数据库；S4：在Python平台上调用sklearn程序包中的XGBoost算法对三个模型进行梯度提升训练；S5：通过测试数据集对模型进行测试，根据相应指标判断模型预测精度。2.根据权利要求1所述的一种基于XGBoost算法的小麦赤霉病预测方法，其特征在于：步骤S1中构建的数据库包括安徽、内蒙古、北京、甘肃、河北、河南、黑龙江、湖北、江苏、宁夏、青海、山东、山西、陕西、四川、天津等16个省市的499个病害监测点，从2018‑2021四年共836条调查数据，数据内容包含病害监测点编号、经纬度、调查时间、小麦生育期、田间病穗率、扬花期等信息，其中扬花期由调查时间和小麦生育期推导而来。3.根据权利要求1所述的一种基于XGBoost算法的小麦赤霉病预测方法，其特征在于：步骤S2中构建的数据库包含空气温度、空气相对湿度、0cm地表温度、降雨量、日照时数五种要素，分为平均空气温度(tmean)、最高空气温度(tmax)、最低空气温度(tmin)、平均相对空气湿度(rhmean)、最低相对空气湿度(rhmin)、平均0cm地表温度(stmean)、最高0cm地表温度(stmax)、最低0cm地表温度(stmin)、总降雨量(pcp)、总日照时数(dh)十个因子。4.根据权利要求1所述的一种基于XGBoost算法的小麦赤霉病预测方法，其特征在于：步骤S3中model1扬花期前9‑前7天调用，model2扬花期前6‑前4天调用，model3扬花期前3天及之后调用。其中三个模型的训练数据分为调用时间节点前、后两个部分，节点前采用实测数据(10个因子)，节点后采用天气预报数据(5个因子)，包括tmean，tmax，tmin，rhmean，pcp，此处由实测数据代替。5.根据权利要求1所述的一种基于XGBoost算法的小麦赤霉病预测方法，其特征在于：步骤S4中模型训练时选取10％数据作为测试数据，90％作为训练数据，通过网格搜索法优化参数。6.根据权利要求1所述的一种基于XGBoost算法的小麦赤霉病预测方法，其特征在于：步骤S5中通过均方误差(MSE)、R‑平方(R2)、平均绝对误差(MAE)三个指标判断模型精度。2CN116028834A说明书1/4页一种基于XGBoost算法的小麦赤霉病预测方法技术领域[0001]本发明涉及一种基于XG