1.一种作物产量的预测方法,其特征在于,包括:
获取与预设作物的生长所关联的每个参量的具体值;
将所有参量的具体值输入递进水盐嵌入神经网络模型,得到预设作物的产量的预测值,其中,所述递进水盐嵌入神经网络模型用于模拟所有参量与土壤水盐含量之间的函数关系,以及模拟土壤水盐含量与预设作物的产量之间的函数关系。
2.根据权利要求1所述的一种作物产量的预测方法,其特征在于,还包括:
将分级长短记忆网络构架的时间序列化数据构造的编码器与批标准化多层感知机构造的解码器进行耦合,并进行训练,得到所述递进水盐嵌入神经网络模型。
3.根据权利要求2所述一种作物产量的预测方法,其特征在于,训练所述递进水盐嵌入神经网络模型之前,还包括:
采用dropout算法与adam算法进行耦合作为训练所述递进水盐嵌入神经网络模型时的收敛算法。
4.一种作物产量的预测系统,其特征在于,包括获取模块和预测模块,所述获取模块用于获取与预设作物的生长所关联的每个参量的具体值;
所述预测模块用于将所有参量的具体值输入递进水盐嵌入神经网络模型,得到预设作物的产量的预测值,其中,所述递进水盐嵌入神经网络模型用于模拟所有参量与土壤水盐含量之间的函数关系,以及模拟土壤水盐含量与预设作物的产量之间的函数关系。
5.根据权利要求4所述的一种作物产量的预测系统,还包括训练模块,所述训练模块用于:
将分级长短记忆网络构架的时间序列化数据构造的编码器与批标准化多层感知机构造的解码器进行耦合,并进行训练,得到所述递进水盐嵌入神经网络模型。
6.根据权利要求5所述一种作物产量的预测系统,其特征在于,所述训练模块还用于:采用dropout算法与adam算法进行耦合作为训练所述递进水盐嵌入神经网络模型时的收敛算法。
7.一种存储介质,其特征在于,所述存储介质中存储有指令,当计算机读取所述指令时,使所述计算机执行如权利要求1至3任一项所述的一种作物产量的预测方法。
8.一种电子设备,其特征在于,包括处理器和权利要求7所述的存储介质,所述处理器执行所述存储介质中的指令。