(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211200762.7 (22)申请日 2022.09.29 (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区学府路 301号 (72)发明人 石茂林　 (74)专利代理 机构 南京智造力知识产权代理有 限公司 32382 专利代理师 冯燕平 (51)Int.Cl. G06F 30/23(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/00(2006.01) G06F 111/08(2020.01) (54)发明名称 一种联合收获机不等容数据建模方法与装 置 (57)摘要 本发明提供了一种联合收获机不等容数据 建模方法及装置， 该方法包括以下步骤： 步骤S1: 获取联合收获机作业数据； 步骤S2:对从步骤S1 获取的联合收获机作业数据进行预处理， 标定大 样本参数、 小样本参数和预测目标参数； 步骤S3: 构建不等容数据克里金预测模型， 刻画大样本参 数与小样本参数相关关系； 步骤S4:对步骤S3的 不等容数据克里金预测模型的参数进行优化， 获 得优化后的不等容数据克里金预测模 型。 本发明 设计出一种适用于联合收获机不等容数据的建 模方法， 就能够更好地实现数据驱动的联合收获 机设计、 分析、 优化与运维， 为数据驱动的预测技 术与联合收获机的深度结合 提供模型支撑 。 权利要求书3页 说明书13页 附图4页 CN 115495954 A 2022.12.20 CN 115495954 A 1.一种联合收获机不 等容数据建模方法， 其特 征在于， 包括如下步骤： 步骤S1:获取 联合收获机作业数据； 步骤S2:对从步骤S1获取的联合收获机作业数据进行预处理， 标定大样本参数xL、 小样 本参数xS和预测目标参数y； 步骤S3:刻画步骤S2的大样本参数xL与小样本参数xS相关关系， 构建不等容数据克里金 预测模型； 步骤S4:对步骤S3的不等容数据克里金预测模型的参数进行优化， 获得优化后的不等 容数据克 里金预测模型。 2.根据权利要求1所述的联合收获机不等容数据建模方法， 其特征在于， 所述步骤S1中 获取联合收割机作业数据的途径包括数值仿真、 车 载监测、 远程 监控或智慧农场平台。 3.根据权利要求1所述的联合收获机不等容数据建模方法， 其特征在于， 所述步骤S3 中 不等容数据克 里金预测模型中样本参数和预测目标参数满足如下关系： 式中， y是预测目标参数； x是输入变量， 包括大样本参数xL、 小样本参数xS， x＝(xL,xS)； fj(x)为第j个 基函数； βj为第j个基函数的系数； p是基函数的个数； Z(x)为高斯过程。 4.根据权利要求3所述的联合收获机不等容数据建模方法， 其特征在于， 所述步骤S3 中 高斯过程Z(x)满足如下 条件： E(Z(x))＝0； E(Z(xi)Z(xj))＝σ2R( θ,xi,xj)； 式中， E(·)表示变量的期望； σ2为样本方差； R( θ,xi,xj)为相关矩阵； θ 为相关矩阵的参数向量； xi是第i个数据的输入向量； xj是第j个数据的输入向量。 5.根据权利要求4所述的联合收获机不等容数据建模方法， 其特征在于， 所述相关矩阵 R( θ,xi,xj)刻画大样本参数xL和小样本参数之xS间的关联关系如下： 式中， σs是小样本参数对应的方差； 是小样本参数对应的模型参数； σl是大样本参数对应的方差；权　利　要　求　书 1/3 页 2 CN 115495954 A 2是大样本参数对应的模型参数； 是第i个数据的第k个小样本参数的数值； 是第j个数据的第k个小样本参数的数值； 是第i个数据的第k个大样本参数的数值； 是第j个数据的第k个大样本参数的数值； ρ 是大样本参数xL和小样本参数之xS之间的调节系数； p是小样本参数的个数； q是大样本参数的个数。 6.根据权利要求5所述的联合收获机不等容数据建模方法， 其特征在于， 所述步骤S4采 用灰狼优化算法获取模型最优参数， 并将待优化参数σs、 σl、 ρ 转化为种群中第i只 灰狼在捕 猎中的位置 进行优化， 转 化公式为： 7.根据权利要求1所述的联合收获机不等容数据建模方法， 其特征在于， 所述步骤S4采 用均方根 误差(RMSE)评价训练误差： 式中， n为训练样本数； yi是第i个训练样本的真实输出值； 是第i个训练样本的预测输出值。 8.根据权利要求6所述的联合收获机不等容数据建模方法， 其特征在于， 所述灰狼优化 具体步骤为： 步骤1)设置种群规模， 最大迭代次数， 搜索空间； 初始化种群， 并随机生成收敛因子 和 扰动向量 设迭代次数g＝1， 为0到1之间的随机 数组成的向量， 为0到1之间的随机数， 随迭代次数的增 加从2线性 递减到0； 步骤2)计算每个个体对应的训练误差RMSE并排序， 将训练误差最小的个体位置分别记 为 步骤3)更新每 个个体的位置； 步骤4)更新 递减数值 收敛因子 及扰动向量 参数； 步骤5)判断算法是否满足收敛条件， 若满足， 结束并给出最终 即最优模 型参数； 否则， 令g＝g+1， 返回步骤2)。 9.根据权利要求5所述的联合收获机不等容数据建模方法， 其特征在于， 所述步骤S4中 优化后的不 等容数据克 里金预测模型为：权　利　要　求　书 2/3 页 3 CN 115495954 A 3