买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉飞未信息技术股份有限公司;安徽飞未信息技术有限公司;飞未数智科技(无锡)有限公司申请的专利一种基于神经网络的作物轮作产量预测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121072907B 。

龙图腾网通过国家知识产权局官网在2026-03-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511633256.0，技术领域涉及：G06Q10/04；该发明授权一种基于神经网络的作物轮作产量预测方法及装置是由周庆德;杨凌云;龚竟;兰娟;程培设计研发完成，并于2025-11-10向国家知识产权局提交的专利申请。

本一种基于神经网络的作物轮作产量预测方法及装置在说明书摘要公布了：本申请提供了一种基于神经网络的作物轮作产量预测方法及装置，该方法包括：通过融合当前与历史环境数据、作物轮作序列及属性信息，构建出表征轮作系统多维特征的输入特征集；利用时序与空间卷积层从该特征集中提取复杂的时空关联特征，形成深度特征张量；引入基于农事节点的时间注意力机制对该张量进行加权重构，以聚焦关键生育阶段；继而通过回归预测层计算初始产量；最终，将初始预测与历史产量信息进行数据融合，输出最终的轮作产量预测值，能够有效提高对轮作作物产量预测的精确度。

本发明授权一种基于神经网络的作物轮作产量预测方法及装置在权利要求书中公布了：1.一种基于神经网络的作物轮作产量预测方法，其特征在于，包括： 获取目标区域的环境数据与作物轮作信息，并通过对所述环境数据与所述作物轮作信息进行融合处理生成输入特征集； 将所述输入特征集输入至预设的神经网络模型，通过时序卷积层与空间卷积层提取时空关联特征，得到深度特征张量； 根据预设农事节点的时间注意力权重对所述深度特征张量进行加权重构，得到加权特征向量； 将所述加权特征向量输入至回归预测层，计算得到初始产量预测值； 将所述初始产量预测值与历史产量参考信息进行数据融合，生成最终的作物轮作产量预测值； 所述获取目标区域的环境数据与作物轮作信息，并通过对所述环境数据与所述作物轮作信息进行融合处理生成输入特征集的步骤，包括： 将目标区域在当前环境数据的气象数据序列与历史环境数据的气象数据序列进行相似度比对，得到有N个气象相似年份的气象参考年份集； 对所述作物轮作序列信息进行解析，提取前茬作物标识与后茬作物标识； 将所述前茬作物标识与后茬作物标识映射为高维稠密向量，生成表征轮作关系的特征向量； 将所述气象参考年份集、所述表征轮作关系的特征向量以及作物属性信息进行特征对齐与维度统一，并通过向量拼接生成所述输入特征集； 所述将目标区域在当前环境数据的气象数据序列与历史环境数据的气象数据序列进行相似度比对，得到有N个气象相似年份的气象参考年份集的步骤，包括： 根据所述前茬作物标识与后茬作物标识，结合作物物候学模型，确定后茬作物受前茬作物影响的敏感性生育阶段；其中，所述敏感性生育阶段指前茬作物的存在会通过改变田间微环境、土壤水分和养分残留，特定地调制后茬作物在某一或某几个生育期内对外界气象条件的响应强度，被调制的阶段即为敏感性生育阶段； 基于农业气象灾害指标，识别当前年份在所述敏感性生育阶段内所遭遇的气象胁迫类型，并从历史年份中筛选出在相同时段内遭遇同类型气象胁迫的所有年份，构成初级候选年份集； 在所述初级候选年份集内，计算当前年份与每一历史年份在主要气象胁迫事件的关键特征量上的欧氏距离； 根据所述欧氏距离对初级候选年份进行排序，选取距离最小的N个年份，生成气象参考年份集。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人飞未信息技术股份有限公司;安徽飞未信息技术有限公司;飞未数智科技(无锡)有限公司，其通讯地址为：201111 上海市闵行区光华路2118号第3幢五层B537室；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。