基于夜间灯光指数的农林牧渔业总产值预测方法

本发明涉及产值预测，尤其涉及一种基于夜间灯光指数的农林牧渔业总产值预测方法。

背景技术：

1、夜间灯光指数相对于日间遥感指数有很多明显的不同，其对于反映人类社会、人类经济活动等人类生存活动具有独特的优势，所以夜间灯光指数也逐渐被很多的学者运用在众多领域中，其研究也发现夜间灯光指数与区域的人口流动和经济发展等关键的经济社会指标都有着密切的相关联系。夜间灯光指数对于农林牧渔业有着一定的相关性，如通过灯光在夜间提供一定的光线给农业中的种植物进行光合作用，促进作物的生长，从而影响农业的总产值；如在渔业中，长时间地夜间进行捕捞能够影响渔业的总产值；然而，现有技术中对于农林牧渔业总产值无法预估，从而不能够及时根据实际的生产需求对生产计划进行调控，影响了农林牧渔业产品的供应。

技术实现思路

1、本发明克服了现有技术的不足，提供了一种基于夜间灯光指数的农林牧渔业总产值预测方法。

2、为达上述目的，本发明采用的技术方案为：

3、本发明第一方面提供了一种基于夜间灯光指数的农林牧渔业总产值预测方法，具体包括以下步骤：

4、获取各地区的历史夜间灯光指数数据以及农林牧渔业总产值历史数据，并通过灰色关联分析分析与农林牧渔业总产值相关的夜间灯光指数数据；

5、根据农林牧渔业总产值相关的夜间灯光指数数据以及相关的农林牧渔业总产值历史数据构建训练集，基于深度神经网络构建农林牧渔业总产值预测模型，将训练集输入到农林牧渔业总产值预测模型进行训练；

6、引入粒子群算法，通过粒子群算法对农林牧渔业总产值预测模型的模型参数进行优化，输出农林牧渔业总产值预测模型；

7、通过农林牧渔业总产值预测模型对目标区域的农林牧渔业总产值进行预测，获取预测结果，并根据预测结果生成相关的预警信息。

8、进一步的，在本方法中，获取各地区的历史夜间灯光指数数据以及农林牧渔业总产值历史数据，通过灰色关联分析分析与农林牧渔业总产值相关的夜间灯光指数数据，具体包括：

9、获取各地区的历史夜间灯光指数数据以及农林牧渔业总产值历史数据，引入灰色关联分析法，并将各地区的历史夜间灯光指数数据以及农林牧渔业总产值历史数据输入到灰色关联分析法中计算；

10、计算每一夜间灯光指数数据与农林牧渔业总产值历史数据之间的关联程度信息，并预设关联程度阈值信息，判断夜间灯光指数数据与农林牧渔业总产值历史数据之间的关联程度信息是否大于关联程度阈值信息；

11、当夜间灯光指数数据与农林牧渔业总产值历史数据之间的关联程度信息大于关联程度阈值信息时，则将对应的夜间灯光指数数据作为与农林牧渔业总产值相关的夜间灯光指数数据；

12、当夜间灯光指数数据与农林牧渔业总产值历史数据之间的关联程度信息不大于关联程度阈值信息时，则将对应的夜间灯光指数数据作为与农林牧渔业总产值不相关的夜间灯光指数数据。

13、进一步的，在本方法中，根据与农林牧渔业总产值相关的夜间灯光指数数据以及相关的农林牧渔业总产值历史数据构建训练集，具体包括：

14、引入dice系数度量算法以及图神经网络，并获取相关的夜间灯光指数数据以及对应的农林牧渔业总产值历史数据，将相关的夜间灯光指数数据以及对应的农林牧渔业总产值历史数据输入到图神经网络中；

15、将相关的夜间灯光指数数据以及对应的农林牧渔业总产值历史数据均作为图神经网络的图节点，构建拓扑结构图，通过对拓扑结构图进行分类，获取分类后的拓扑结构图；

16、根据分类后的拓扑结构图构建并初始化若干个训练子集，并通过dice系数度量算法计算训练子集之间的dice系数，并判断dice系数是否大于预设dice系数阈值；

17、当dice系数大于预设dice系数阈值时，则重新调整训练子集中的训练项目，直至dice系数不大于预设dice系数阈值，输出训练子集，并构建训练集。

18、进一步的，在本方法中，基于深度神经网络构建农林牧渔业总产值预测模型，将训练集输入到农林牧渔业总产值预测模型进行训练，具体包括：

19、基于深度神经网络构建农林牧渔业总产值预测模型，将训练集输入到农林牧渔业总产值预测模型中，并通过循环空间注意力机制对训练集中的拓扑结构图进行处理，获取特征图；

20、通过对特征图中的每个图节点进行softmax操作，生成具有空间注意力的归一化特征图，并对具有空间注意力的归一化特征图以及训练集中的拓扑结构图进行内积运算；

21、使得注意力集中在图节点中，生成注意力特征图，将注意力特征图输入到隐含层中，并与隐含层中的隐含状态协同工作，更新隐含层状态。

22、进一步的，在本方法中，引入粒子群算法，通过粒子群算法对农林牧渔业总产值预测模型的模型参数进行优化，输出农林牧渔业总产值预测模型，具体包括：

23、引入粒子群算法，并根据粒子群算法设置迭代次数，设置模型的精度阈值，初始化农林牧渔业总产值预测模型的模型参数，通过平均相对误差对农林牧渔业总产值预测模型的精度进行评价，获取农林牧渔业总产值预测模型的模型精度；

24、判断农林牧渔业总产值预测模型的模型精度是否大于模型的精度阈值，当农林牧渔业总产值预测模型的模型精度大于模型的精度阈值时，输出农林牧渔业总产值预测模型；

25、当农林牧渔业总产值预测模型的模型精度不大于模型的精度阈值时，根据迭代次数调整农林牧渔业总产值预测模型的模型参数；

26、直至农林牧渔业总产值预测模型的模型精度大于模型的精度阈值时，保存农林牧渔业总产值预测模型的模型参数，输出农林牧渔业总产值预测模型。

27、进一步的，在本方法中，通过农林牧渔业总产值预测模型对目标区域的农林牧渔业总产值进行预测，获取预测结果，并根据预测结果生成相关的预警信息，具体包括：

28、获取目标区域中在预设时间之内的夜间灯光指数数据，并将目标区域中在预设时间之内的夜间灯光指数数据输入到农林牧渔业总产值预测模型中进行预测；

29、通过预测获取目标区域中在预设时间之内的农林牧渔业总产值，获取目标区域中的生产需求信息，并判断每一类型的农林牧渔业总产值是否在预设目标区域中的生产需求信息之内；

30、当农林牧渔业总产值不在目标区域中的生产需求信息，则将对应类型的农林牧渔业总产值进行异常预警，生成相关的预警信息；

31、根据相关的预警信息对目标区域进行环境预警，同时统计农林牧渔业总产值数据，并对农林牧渔业进行产业计划调控。

32、本发明第二方面提供了一种基于夜间灯光指数的农林牧渔业总产值预测系统，系统包括存储器以及处理器，存储器中包括基于夜间灯光指数的农林牧渔业总产值预测方法程序，基于夜间灯光指数的农林牧渔业总产值预测方法程序被处理器执行时，包括以下步骤：

33、获取各地区的历史夜间灯光指数数据以及农林牧渔业总产值历史数据，并通过灰色关联分析分析与农林牧渔业总产值相关的夜间灯光指数数据；

34、根据与农林牧渔业总产值相关的夜间灯光指数数据以及相关的农林牧渔业总产值历史数据构建训练集，基于深度神经网络构建农林牧渔业总产值预测模型，将训练集输入到农林牧渔业总产值预测模型进行训练；

35、引入粒子群算法，通过粒子群算法对农林牧渔业总产值预测模型的模型参数进行优化，输出农林牧渔业总产值预测模型；

36、通过农林牧渔业总产值预测模型对目标区域的农林牧渔业总产值进行预测，获取预测结果，并根据预测结果生成相关的预警信息。

37、本发明第三方面提供了一种计算机可读存储介质，计算机可读存储介质中包括基于夜间灯光指数的农林牧渔业总产值预测方法程序，基于夜间灯光指数的农林牧渔业总产值预测方法程序被处理器执行时，实现任一项所述的基于夜间灯光指数的农林牧渔业总产值预测方法的步骤。

38、本发明解决了背景技术中存在的缺陷，本发明具备以下有益效果：

39、本发明通过获取各地区的历史夜间灯光指数数据以及农林牧渔业总产值历史数据，并通过灰色关联分析分析与农林牧渔业总产值相关的夜间灯光指数数据，进而根据与农林牧渔业总产值相关的夜间灯光指数数据以及相关的农林牧渔业总产值历史数据构建训练集，基于深度神经网络构建农林牧渔业总产值预测模型，将训练集输入到农林牧渔业总产值预测模型进行训练，从而引入粒子群算法，通过粒子群算法对农林牧渔业总产值预测模型的模型参数进行优化，输出农林牧渔业总产值预测模型，最后通过农林牧渔业总产值预测模型对目标区域的农林牧渔业总产值进行预测，获取预测结果，并根据预测结果生成相关的预警信息。本发明通过融合dice系数度量算法以及图神经网络对训练集进行优化，能够使得训练集的数据更加符合训练要求，从而降低模型的训练时间以及提高模型的预测精度，能够及时根据实际的生产需求对生产计划进行调控。