© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
杭州旭卉科技有限责任公司
企业杭州旭卉科技有限责任公司成立于2023年，属软件和信息技术服务业，主营软件开发。面向农业预测、多层线性回归、小麦种植等领域提供数据服务，开放大豆在成熟期时种植密度预测数据（农业预测、多层线性回归）、小麦在成熟期时种植密度预测数据（农业预测、小麦种植）、蚕豆在成熟期时种植密度预测数据（农业预测、作物生长），支撑农业生产与技术推广。
农业预测多层线性回归小麦种植软件信息服务
数据集列表
狗爪豆在成熟期时发病率预测数据
可以用于狗爪豆种植发病率预测，输入量为抗病评分、种植密度、叶片颜色指数(SPAD)、株高(cm)、病虫害类型、生育期(天)、分蘖数。输出为发病率预测值。该模型帮助解决了狗爪豆发病率和狗爪豆状况的关系建模的问题，对于预测发病率过高则农民可以采取相应的措施来优化种植策略，降低狗爪豆种植发病率。狗爪豆发病率的高低不仅仅是农业生产的考核指标，更是反映了某个地区农业生产和农业经济状况的重要指标。发病率的高低直接关系到农民的收入和粮食生产能力，对于农村的经济发展、人民生活水平的提高以及国家的农业安全都有着重要的影响。因此，降低狗爪豆种植发病率不仅仅是农民个人利益的追求，更是国家和社会对于农业生产发展的重视。通过调查采集狗爪豆数据，并使用传统算法和多元线性回归算法预测狗爪豆发病率。该模型的输入为种植密度、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数。多元线性回归算法通过分析这些输入变量与狗爪豆发病率之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据计算狗爪豆发病率预测值,狗爪豆发病率预测值=种植密度*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑，准确预测狗爪豆发病率，提高农民的收入和粮食生产能力。
浙江省数据知识产权登记平台2025-03-13 更新160
荷包豆在成熟期时种植密度预测数据
荷包豆在成熟期的种植密度直接影响作物的生长条件、病虫害发生率以及最终产量。合理预测荷包豆在成熟期时种植密度，从而能够在分蘖期适时调整种植密度对于提高单位面积产量、优化资源使用及减少病虫害具有重要意义。该模型有效的解决了荷包豆生长状况与种植密度之间的预测关系。通过调查采集荷包豆数据，并使用传统算法和多元线性回归算法预测荷包豆发病率。该模型的输入为种植密度、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数。多元线性回归算法通过分析这些输入变量与荷包豆发病率之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据计算荷包豆发病率预测值,荷包豆发病率预测值=种植密度*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑，准确预测荷包豆发病率，提高农民的收入和粮食生产能力。
浙江省数据知识产权登记平台2025-03-13 更新210
花芸豆在成熟期时种植密度预测数据
花芸豆在成熟期的种植密度直接影响作物的生长条件、病虫害发生率以及最终产量。合理预测花芸豆在成熟期时种植密度，从而能够在分蘖期适时调整种植密度对于提高单位面积产量、优化资源使用及减少病虫害具有重要意义。该模型有效的解决了花芸豆生长状况与种植密度之间的预测关系。通过调查采集花芸豆数据，并使用传统算法和多元线性回归算法预测花芸豆发病率。该模型的输入为种植密度、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数。多元线性回归算法通过分析这些输入变量与花芸豆发病率之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据计算花芸豆发病率预测值,花芸豆发病率预测值=种植密度*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑，准确预测花芸豆发病率，提高农民的收入和粮食生产能力。
浙江省数据知识产权登记平台2025-03-13 更新310
红豆在成熟期时种植密度预测数据
红豆在成熟期的种植密度直接影响作物的生长条件、病虫害发生率以及最终产量。合理预测红豆在成熟期时种植密度，从而能够在分蘖期适时调整种植密度对于提高单位面积产量、优化资源使用及减少病虫害具有重要意义。该模型有效的解决了红豆生长状况与种植密度之间的预测关系。通过调查采集红豆数据，并使用传统算法和多元线性回归算法预测红豆发病率。该模型的输入为种植密度、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数。多元线性回归算法通过分析这些输入变量与红豆发病率之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据计算红豆发病率预测值,红豆发病率预测值=种植密度*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑，准确预测红豆发病率，提高农民的收入和粮食生产能力。
浙江省数据知识产权登记平台2025-03-13 更新120
苜蓿在成熟期时种植密度预测数据
苜蓿在成熟期的种植密度直接影响作物的生长条件、病虫害发生率以及最终产量。合理预测苜蓿在成熟期时种植密度，从而能够在分蘖期适时调整种植密度对于提高单位面积产量、优化资源使用及减少病虫害具有重要意义。该模型有效的解决了苜蓿生长状况与种植密度之间的预测关系。通过调查采集苜蓿在分蘖期的相关数据，并使用多元线性回归模型预测苜蓿种植密度，该模型的输入量依次为抗病评分、发病率(%)、叶片颜色指数(SPAD)、株高(cm)、病虫害类型、生育期(天)、分蘖数，多元线性回归算法通过分析这些输入量与苜蓿种植密度之间的线性关系，确定每个输入量相关的权重系数，使用深度学习框架构建模，模型通过最小二乘法等技术，根据输入的数据从而计算出苜蓿种植密度预测值。在模型训练过程中，算法会利用最终在成熟期测得的苜蓿种植密度实际值进行优化，调整上述的权重系数以最小化预测误差，因此上述每个权重系数在成熟期后，算法会根据实际值与预测值进行比较后再进行动态调整的。
浙江省数据知识产权登记平台2025-03-13 更新150
花芸豆在成熟期时发病率预测数据
可以用于花芸豆种植发病率预测，输入量为抗病评分、种植密度、叶片颜色指数(SPAD)、株高(cm)、病虫害类型、生育期(天)、分蘖数。输出为发病率预测值。该模型帮助解决了花芸豆发病率和花芸豆状况的关系建模的问题，对于预测发病率过高则农民可以采取相应的措施来优化种植策略，降低花芸豆种植发病率。花芸豆发病率的高低不仅仅是农业生产的考核指标，更是反映了某个地区农业生产和农业经济状况的重要指标。发病率的高低直接关系到农民的收入和粮食生产能力，对于农村的经济发展、人民生活水平的提高以及国家的农业安全都有着重要的影响。因此，降低花芸豆种植发病率不仅仅是农民个人利益的追求，更是国家和社会对于农业生产发展的重视。通过调查采集花芸豆数据，并使用传统算法和多元线性回归算法预测花芸豆发病率。该模型的输入为种植密度、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数。多元线性回归算法通过分析这些输入变量与花芸豆发病率之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据计算花芸豆发病率预测值,花芸豆发病率预测值=种植密度*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑，准确预测花芸豆发病率，提高农民的收入和粮食生产能力。
浙江省数据知识产权登记平台2025-03-13 更新200
小豆在成熟期时种植密度预测数据
小豆在成熟期的种植密度直接影响作物的生长条件、病虫害发生率以及最终产量。合理预测小豆在成熟期时种植密度，从而能够在分蘖期适时调整种植密度对于提高单位面积产量、优化资源使用及减少病虫害具有重要意义。该模型有效的解决了小豆生长状况与种植密度之间的预测关系。通过调查采集小豆数据，并使用传统算法和多元线性回归算法预测小豆发病率。该模型的输入为种植密度、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数。多元线性回归算法通过分析这些输入变量与小豆发病率之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据计算小豆发病率预测值,小豆发病率预测值=种植密度*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑，准确预测小豆发病率，提高农民的收入和粮食生产能力。
浙江省数据知识产权登记平台2025-03-13 更新120
红腰豆在成熟期时种植密度预测数据
红腰豆在成熟期的种植密度直接影响作物的生长条件、病虫害发生率以及最终产量。合理预测红腰豆在成熟期时种植密度，从而能够在分蘖期适时调整种植密度对于提高单位面积产量、优化资源使用及减少病虫害具有重要意义。该模型有效的解决了红腰豆生长状况与种植密度之间的预测关系。通过调查采集红腰豆数据，并使用传统算法和多元线性回归算法预测红腰豆发病率。该模型的输入为种植密度、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数。多元线性回归算法通过分析这些输入变量与红腰豆发病率之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据计算红腰豆发病率预测值,红腰豆发病率预测值=种植密度*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑，准确预测红腰豆发病率，提高农民的收入和粮食生产能力。
浙江省数据知识产权登记平台2025-03-13 更新200
金丝豆在成熟期时种植密度预测数据
金丝豆在成熟期的种植密度直接影响作物的生长条件、病虫害发生率以及最终产量。合理预测金丝豆在成熟期时种植密度，从而能够在分蘖期适时调整种植密度对于提高单位面积产量、优化资源使用及减少病虫害具有重要意义。该模型有效的解决了金丝豆生长状况与种植密度之间的预测关系。通过调查采集金丝豆在分蘖期的相关数据，并使用多元线性回归模型预测金丝豆种植密度，该模型的输入量依次为发病率(%)、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数，多元线性回归算法通过分析这些输入量与金丝豆种植密度之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据从而计算出金丝豆种植密度预测值，金丝豆种植密度预测值=发病率*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6。在模型训练过程中，算法会利用最终在成熟期测得的金丝豆种植密度实际值进行优化，调整上述的权重系数以最小化预测误差，因此上述每个权重系数在成熟期后，算法会根据实际值与预测值进行比较后再进行动态调整的。
浙江省数据知识产权登记平台2025-03-13 更新150
分裂扁豆在成熟期时发病率预测数据
可以用于分裂扁豆种植发病率预测，输入量为抗病评分、种植密度、叶片颜色指数(SPAD)、株高(cm)、病虫害类型、生育期(天)、分蘖数。输出为发病率预测值。该模型帮助解决了分裂扁豆发病率和分裂扁豆状况的关系建模的问题，对于预测发病率过高则农民可以采取相应的措施来优化种植策略，降低分裂扁豆种植发病率。分裂扁豆发病率的高低不仅仅是农业生产的考核指标，更是反映了某个地区农业生产和农业经济状况的重要指标。发病率的高低直接关系到农民的收入和粮食生产能力，对于农村的经济发展、人民生活水平的提高以及国家的农业安全都有着重要的影响。因此，降低分裂扁豆种植发病率不仅仅是农民个人利益的追求，更是国家和社会对于农业生产发展的重视。通过调查采集分裂扁豆数据，并使用传统算法和多元线性回归算法预测分裂扁豆发病率。该模型的输入为种植密度、叶片颜色指数(SPAD)、株高(cm)、穗长(cm)、生育期(天)、分蘖数。多元线性回归算法通过分析这些输入变量与分裂扁豆发病率之间的线性关系，确定每个输入量相关的权重系数分别为w1、w2、w3、w4、w5和w6，根据输入的数据计算分裂扁豆发病率预测值,分裂扁豆发病率预测值=种植密度*w1+叶片颜色指数*w2+株高*w3+穗长*w4+生育期*w5+分蘖数*w6，从而得出最终结果。通过这样的过程，模型能够将多个输入变量综合考虑，准确预测分裂扁豆发病率，提高农民的收入和粮食生产能力。
浙江省数据知识产权登记平台2025-03-13 更新220