基于大数据分析的林业病虫灾害风险预测方法

专利主权项内容

1.一种基于大数据分析的林业病虫灾害风险预测方法，其特征在于，所述方法包括：获取待测林业区域在预设数量的历史年份中每个年份的相同预设时期的病虫害数据，所述病虫害数据至少包括病虫害类型、发生年份、发生月份、发病次数和发病累计时间；对病虫害数据进行聚类获得不同的聚类簇，根据每个聚类簇中病虫害数据的发病次数的差异和发病累计时间的差异，以及对应聚类簇中相同病虫害类型的病虫害数据的数量，获得聚类簇中每个病虫害数据的发生可能性；根据所有聚类簇中相同病虫害类型的病虫害数据的数量、对应病虫害数据的发生年份以及每个聚类簇中的病虫害类型，获得每个聚类簇的病虫害重视程度；根据聚类簇的病虫害重视程度和对应聚类簇中病虫害数据的发生可能性，获得每个病虫害类型的真实风险程度；基于所述真实风险程度对待测林业区域在预设时期内不同病虫害类型的灾害风险进行预测；所述根据每个聚类簇中病虫害数据的发病次数的差异和发病累计时间的差异，以及对应聚类簇中相同病虫害类型的病虫害数据的数量，获得聚类簇中每个病虫害数据的发生可能性包括：将每个聚类簇中相同病虫害类型的病虫害数据的数量，作为每个聚类簇中对应病虫害类型的出现次数；将每个聚类簇中所有病虫害数据的发病次数的平均值，作为对应聚类簇的整体次数；将每个聚类簇中所有病虫害数据的发病累计时间的平均值，作为对应聚类簇的整体累计时间；根据每个病虫害数据的病虫害类型的所述出现次数与对应聚类簇中所有病虫害数据的总数量的差异、对应病虫害数据的发病次数与所述整体次数的差异、对应病虫害数据的发病累计时间与所述整体累计时间的差异，获得聚类簇中每个病虫害数据的发生可能性；所述根据每个病虫害数据的病虫害类型的所述出现次数与对应聚类簇中所有病虫害数据的总数量的差异、对应病虫害数据的发病次数与所述整体次数的差异、对应病虫害数据的发病累计时间与所述整体累计时间的差异，获得聚类簇中每个病虫害数据的发生可能性包括：所述发生可能性的计算公式为：其中，表示第/>个聚类簇中第/>个病虫害数据的发生可能性；/>表示第/>个聚类簇中第/>个病虫害数据的病虫害类型的出现次数；/>表示第/>个聚类簇中病虫害数据的数量；/>表示差异度符号；/>表示第/>个聚类簇中第/>个病虫害数据的发病次数；/>表示第/>个聚类簇的整体次数；/>表示第/>个聚类簇中第/>个病虫害数据的发病累计时间；/>表示第/>个聚类簇的整体累计时间；/>表示归一化函数；所述根据所有聚类簇中相同病虫害类型的病虫害数据的数量、对应病虫害数据的发生年份以及每个聚类簇中的病虫害类型，获得每个聚类簇的病虫害重视程度包括：将当前年份和病虫害数据的发生年份的差值，作为对应病虫害数据的时间距离；根据所有聚类簇中相同病虫害类型的病虫害数据的数量和对应病虫害数据的所述时间距离，获得对应病虫害类型的初始重视程度；对每个聚类簇中所有病虫害类型的所述初始重视程度的平均值进行归一化，获得每个聚类簇的病虫害重视程度，且所有聚类簇的病虫害重视程度的和值为1；所述根据所有聚类簇中相同病虫害类型的病虫害数据的数量和对应病虫害数据的所述时间距离，获得对应病虫害类型的初始重视程度包括：对所有聚类簇中相同病虫害类型的病虫害数据的数量进行归一化，获得对应病虫害类型的发生频繁度；对所有聚类簇中相同病虫害类型的所有病虫害数据的所述时间距离的平均值进行负相关的归一化，获得对应病虫害类型的新颖程度；将所述发生频繁度和所述新颖程度的乘积值，作为对应病虫害类型的初始重视程度；所述根据聚类簇的病虫害重视程度和对应聚类簇中病虫害数据的发生可能性，获得每个病虫害类型的真实风险程度包括：将聚类簇的所述病虫害重视程度和对应聚类簇中病虫害数据的所述发生可能性的乘积值，作为对应病虫害数据的初始风险程度；将所有聚类簇中相同病虫害类型的所有病虫害数据的初始风险程度的平均值，作为对应病虫害类型的真实风险程度。