一种基于大模型与时空知识图谱的桃产量动态预测方法

本发明公开了一种基于大模型与时空知识图谱的桃产量动态预测方法，涉及智慧农业技术领域。该方法首先获取桃园多源异构数据，利用Xgboost‑PSO‑BP神经网络筛选关键影响因子并计算其基础关联权重，构建具有动态关联强度的时空知识图谱；基于时空知识图谱对基础大模型进行领域知识注入，得到具备农学知识推理能力的桃专业领域大模型；进而，通过时空知识图谱与桃专业领域大模型的双向交互推理，输出产量预测值及知识校准建议，经验证模块确认后反馈更新时空知识图谱，形成闭环；同时，系统实时监测风险因子，当触发阈值时动态修正时空知识图谱并重新推理，输出修正后的预测结果。本发明解决了现有技术中农学因果缺失、模型可解释性差与动态响应不足的问题。