本发明涉及数据处理，具体而言，涉及一种作物生长相关趋势预测方法、装置、电子设备及存储介质。
背景技术：
1、在大数据时代，时间序列预测尤为重要，其在经济、智慧农业、空间科学、气象预报和工业自动化等多个领域有着广泛的应用，例如，近年来，在智慧农业领域中，通常采用深度模型预测与作物生长相关的趋势。
2、由于深度模型具有强大的非线性建模能力，在进行时间序列预测时，出现了采用循环神经网络捕捉现实世界时间序列中复杂变化的方法。但是，由于循环神经网络模型机制中固有的梯度消失或爆炸，其通常面临性能限制，无法捕捉作物生长长期依赖关系，在作物的生长过程中如气温、湿度、降水量、土壤质量等影响因素之间可能存在的复杂的时间相关性，若采用循环神经网络对作物生长相关启示进行预测，无法对上述影响因素质检的相关性进行捕捉，导致作物生长相关趋势预测准确性差。目前，为解决该问题，通常将transformer引入时间序列预测中以解决梯度相关挑战，并有效捕捉长期依赖关系，以提升作物生长相关趋势预测的准确性。注意力机制作为transformer的核心元素，可以识别不同变量在不同时间点之间的依赖关系，然而，该架构通常是基于经验设计的，并且需要更严格的数学解释，不同的作物的影响因素不同或不同类型的时间序列(例如天气模式等)对transformer框架进行调整，导致时间序列预测成本增加。综上，现有技术中对作物生长相关趋势的时序预测准确率较低，预测成本较高。
技术实现思路
1、本发明解决的问题是如何提高智慧农业中时序如作物生长相关趋势等的预测效率以及降低预测成本。
2、为解决上述问题，本发明提供了一种作物生长相关趋势预测方法、装置、电子设备及存储介质。
3、第一方面，本发明提供了一种作物生长相关趋势预测方法，其特征在于，包括：
4、对预先获取的作物生长趋势时序进行修补处理，为所述作物生长趋势时序中每个变量配置对应的通道和相同的权重，根据所述权重对处理后的所述作物生长趋势时序进行转化得到深层特征；
5、利用编码器对所述深层特征进行编码，得到第一特征；
6、利用解码器对所述第一特征进行反对称解码，得到第二特征；
7、对所述第二特征进行后处理，得到作物生长趋势的目标预测结果。
8、可选地，所述对预先获取的作物生长趋势时序进行修补处理，为所述作物生长趋势时序中每个变量配置对应的通道和相同的权重，根据所述权重对处理后的所述作物生长趋势时序进行转化得到深层特征，包括：
9、对所述作物生长趋势时序进行归一化处理；
10、根据预设的补丁长度和步幅对处理后的所述作物生长趋势时序进行分块操作，得到补丁；
11、利用线性嵌入层，根据所述权重将所述补丁投影到深层特征空间，得到所述深层特征。
12、可选地，所述对所述第二特征进行后处理，得到作物生长趋势的目标预测结果，包括：
13、利用后处理线性层对所述第二特征进行初步维度变换；
14、根据预设值对变换后的所述第二特征记性填充，并以所述补丁长度和所述步幅对填充后的所述第二特征进行二次维度变换，得到初始预测结果；
15、对所述初始预测结果进行去归一化处理，得到作物生长趋势的所述目标预测结果。
16、可选地，所述利用编码器对所述深层特征进行编码，得到第一特征，包括：
17、利用多头子空间注意力机制对所述深层特征进行压缩，并利用迭代软阈值算法对压缩后的所述深层特征进行稀疏编码；
18、返回利用多头子空间注意力机制对所述深层特征进行压缩步骤，执行预设次数后得到所述第一特征。
19、可选地，在所述利用多头注意力机制对所述深层特征进行压缩之后，包括：
20、对所述压缩后的所述深层特征进行归一化处理；
21、在利用迭代软阈值算法对压缩后的所述深层特征进行稀疏编码之后，包括：
22、对编码后的所述深层特征进行归一化处理。
23、可选地，所述利用解码器对所述第一特征进行反对称解码，得到第二特征，包括：
24、利用解码线性层对所述第一特征进行维度变换，并基于反多头注意力机制对变换后的所述第一特征进行处理；
25、返回利用解码线性层对所述第一特征进行维度变换步骤，执行预设次数后得到所述第二特征。
26、可选地，在所述利用解码线性层对所述第一特征进行维度变换之后，包括：
27、对所述变换后的所述第一特征进行归一化处理；
28、在基于反多头注意力机制对变换后的所述第一特征进行处理之后，包括：
29、对处理后的所述第一特征进行归一化处理。
30、第二方面，本发明还公开了一种作物生长相关趋势预测装置，包括：
31、预处理模块，用于对预先获取的作物生长趋势时序进行修补处理，为所述作物生长趋势时序中每个变量配置对应的通道和相同的权重，根据所述权重对处理后的所述作物生长趋势时序进行转化得到深层特征；
32、编码模块，用于利用编码器对所述深层特征进行编码，得到第一特征；
33、解码模块，用于利用解码器对所述第一特征进行反对称解码，得到第二特征；
34、后处理模块，用于对所述第二特征进行后处理，得到作物生长趋势的目标预测结果。
35、本发明提供的作物生长相关趋势预测装置与作物生长相关趋势预测方法能够产生的技术效果基本相同，在此不再赘述。
36、第三方面，本发明还公开了一种电子设备，包括存储器和处理器；
37、所述存储器，用于存储计算机程序；
38、所述处理器，用于当执行所述计算机程序时，实现如上述所述的作物生长相关趋势预测方法。
39、本发明提供的电子设备与作物生长相关趋势预测方法能够产生的技术效果基本相同，在此不再赘述。
40、第四方面，本发明还公开了一种计算机可读存储介质，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如上述所述的作物生长相关趋势预测方法。
41、本发明提供的计算机可读存储介质与作物生长相关趋势预测方法能够产生的技术效果基本相同，在此不再赘述。
1.一种作物生长相关趋势预测方法，其特征在于，包括：
2.根据权利要求1所述的作物生长相关趋势预测方法，其特征在于，所述对预先获取的作物生长趋势时序进行修补处理，为所述作物生长趋势时序中每个变量配置对应的通道和相同的权重，根据所述权重对处理后的所述作物生长趋势时序进行转化得到深层特征，包括：
3.根据权利要求2所述的作物生长相关趋势预测方法，其特征在于，所述对所述第二特征进行后处理，得到作物生长趋势的目标预测结果，包括：
4.根据权利要求1所述的作物生长相关趋势预测方法，其特征在于，所述利用编码器对所述深层特征进行编码，得到第一特征，包括：
5.根据权利要求4所述的作物生长相关趋势预测方法，其特征在于，在所述利用多头注意力机制对所述深层特征进行压缩之后，包括：
6.根据权利要求1所述的作物生长相关趋势预测方法，其特征在于，所述利用解码器对所述第一特征进行反对称解码，得到第二特征，包括：
7.根据权利要求6所述的作物生长相关趋势预测方法，其特征在于，在所述利用解码线性层对所述第一特征进行维度变换之后，包括：
8.一种作物生长相关趋势预测装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器；
10.一种计算机可读存储介质，其特征在于，所述存储介质上存储有计算机程序，当所述计算机程序被处理器执行时，实现如权利要求1-7任一项所述的作物生长相关趋势预测方法。
