© 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
杭州灵煜生物科技有限公司
企业杭州灵煜生物科技有限公司成立于2020年，位于浙江省。所属行业为科技推广和应用服务业。经营范围包括生物基材料技术研发；生物化工产品技术研发；技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广；仪器仪表批发。
小微企业科技推广和应用服务业
数据集列表
蒲葵在生长期时根系长度预测数据
可以用于蒲葵根系长度预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、蒲葵茎粗(cm)、叶面积指数、根系主要分布范围(cm)、蒲葵根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为蒲葵根系长度预测。该模型帮助解决了蒲葵根系长度和蒲葵状况的关系建模的问题。蒲葵根系长度对蒲葵根的生长有着重要的影响，通过预测蒲葵根系长度，可有效、合理的对蒲葵进行施肥，保证蒲葵的生长和品质，提高其生产效益。通过调查采集蒲葵数据，并使用传统算法和多元线性回归算法预测蒲葵根系长度。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、蒲葵茎粗(cm)、叶面积指数、根系主要分布范围(cm)、蒲葵根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与蒲葵根系长度预测值之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用蒲葵根系长度实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算蒲葵根系长度，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，准确预测蒲葵根系长度，保证蒲葵的生长和品质，提高其生产效益。
浙江省数据知识产权登记平台2024-10-12 更新180
甘蔗在生长期时根系长度预测数据
可以用于甘蔗根系长度预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、甘蔗茎粗(cm)、叶面积指数、根系主要分布范围(cm)、甘蔗根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为甘蔗根系长度预测。该模型帮助解决了甘蔗根系长度和甘蔗状况的关系建模的问题。甘蔗根系长度对甘蔗根的生长有着重要的影响，通过预测甘蔗根系长度，可有效、合理的对甘蔗进行施肥，保证甘蔗的生长和品质，提高其生产效益。通过调查采集甘蔗数据，并使用传统算法和多元线性回归算法预测甘蔗根系长度。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、甘蔗茎粗(cm)、叶面积指数、根系主要分布范围(cm)、甘蔗根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与甘蔗根系长度预测值之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用甘蔗根系长度实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算甘蔗根系长度，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，准确预测甘蔗根系长度，保证甘蔗的生长和品质，提高其生产效益。
浙江省数据知识产权登记平台2024-10-12 更新1091
玉米在生长期时根系长度预测数据
可以用于玉米根系长度预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、玉米茎粗(cm)、叶面积指数、根系主要分布范围(cm)、玉米根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为玉米根系长度预测。该模型帮助解决了玉米根系长度和玉米状况的关系建模的问题。玉米根系长度对玉米根的生长有着重要的影响，通过预测玉米根系长度，可有效、合理的对玉米进行施肥，保证玉米的生长和品质，提高其生产效益。通过调查采集玉米数据，并使用传统算法和多元线性回归算法预测玉米根系长度。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、玉米茎粗(cm)、叶面积指数、根系主要分布范围(cm)、玉米根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与玉米根系长度预测值之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用玉米根系长度实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算玉米根系长度，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，准确预测玉米根系长度，保证玉米的生长和品质，提高其生产效益。
浙江省数据知识产权登记平台2024-10-12 更新621
大蒜产量预测数据
可以用于大蒜产量预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、大蒜茎粗(cm)、叶面积指数、根系长度(cm)、大蒜产量（产量）、根系主要分布范围(cm)、大蒜根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为大蒜产量预测值。该模型帮助解决了大蒜产量和大蒜状况的关系建模的问题，对于预测产量过低则农民可以采取相应的措施来优化种植策略。大蒜产量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。产量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，提高产量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。通过调查采集大蒜数据，并使用传统算法和多元线性回归算法预测大蒜产量。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、大蒜茎粗(cm)、叶面积指数、根系长度(cm)、大蒜产量（产量）、根系主要分布范围(cm)、大蒜根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与大蒜产量之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用大蒜产量实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算大蒜产量预测值，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，准确预测大蒜产量，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2024-10-12 更新110
薏苡产量预测数据
可以用于薏苡产量预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、薏苡茎粗(cm)、叶面积指数、根系长度(cm)、薏苡产量（产量）、根系主要分布范围(cm)、薏苡根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为薏苡产量预测值。该模型帮助解决了薏苡产量和薏苡状况的关系建模的问题，对于预测产量过低则农民可以采取相应的措施来优化种植策略。薏苡产量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。产量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，提高产量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。通过调查采集薏苡数据，并使用传统算法和多元线性回归算法预测薏苡产量。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、薏苡茎粗(cm)、叶面积指数、根系长度(cm)、薏苡产量（产量）、根系主要分布范围(cm)、薏苡根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与薏苡产量之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用薏苡产量实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算薏苡产量预测值，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，准确预测薏苡产量，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2024-10-12 更新930
大蒜在生长期时根系长度预测数据
可以用于大蒜根系长度预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、大蒜茎粗(cm)、叶面积指数、根系主要分布范围(cm)、大蒜根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为大蒜根系长度预测。该模型帮助解决了大蒜根系长度和大蒜状况的关系建模的问题。大蒜根系长度对大蒜根的生长有着重要的影响，通过预测大蒜根系长度，可有效、合理的对大蒜进行施肥，保证大蒜的生长和品质，提高其生产效益。通过调查采集大蒜数据，并使用传统算法和多元线性回归算法预测大蒜根系长度。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、大蒜茎粗(cm)、叶面积指数、根系主要分布范围(cm)、大蒜根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与大蒜根系长度预测值之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用大蒜根系长度实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算大蒜根系长度，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，准确预测大蒜根系长度，保证大蒜的生长和品质，提高其生产效益。
浙江省数据知识产权登记平台2024-10-12 更新250
生姜在生长期时根系长度预测数据
可以用于生姜根系长度预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、生姜茎粗(cm)、叶面积指数、根系主要分布范围(cm)、生姜根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为生姜根系长度预测。该模型帮助解决了生姜根系长度和生姜状况的关系建模的问题。生姜根系长度对生姜根的生长有着重要的影响，通过预测生姜根系长度，可有效、合理的对生姜进行施肥，保证生姜的生长和品质，提高其生产效益。通过调查采集生姜数据，并使用传统算法和多元线性回归算法预测生姜根系长度。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、生姜茎粗(cm)、叶面积指数、根系主要分布范围(cm)、生姜根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与生姜根系长度预测值之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用生姜根系长度实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算生姜根系长度，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，准确预测生姜根系长度，保证生姜的生长和品质，提高其生产效益。
浙江省数据知识产权登记平台2024-10-12 更新170
稗草在生长期时根系长度预测数据
可以用于稗草根系长度预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、稗草茎粗(cm)、叶面积指数、根系主要分布范围(cm)、稗草根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为稗草根系长度预测。该模型帮助解决了稗草根系长度和稗草状况的关系建模的问题。稗草根系长度对稗草根的生长有着重要的影响，通过预测稗草根系长度，可有效、合理的对稗草进行施肥，保证稗草的生长和品质，提高其生产效益。通过调查采集稗草数据，并使用传统算法和多元线性回归算法预测稗草根系长度。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、稗草茎粗(cm)、叶面积指数、根系主要分布范围(cm)、稗草根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与稗草根系长度预测值之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用稗草根系长度实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算稗草根系长度，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，准确预测稗草根系长度，保证稗草的生长和品质，提高其生产效益。
浙江省数据知识产权登记平台2024-10-12 更新910
小麦产量预测数据
可以用于小麦产量预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、小麦茎粗(cm)、叶面积指数、根系长度(cm)、小麦产量（产量）、根系主要分布范围(cm)、小麦根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为小麦产量预测值。该模型帮助解决了小麦产量和小麦状况的关系建模的问题，对于预测产量过低则农民可以采取相应的措施来优化种植策略。小麦产量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。产量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，提高产量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。通过调查采集小麦数据，并使用传统算法和多元线性回归算法预测小麦产量。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、小麦茎粗(cm)、叶面积指数、根系长度(cm)、小麦产量（产量）、根系主要分布范围(cm)、小麦根系数量、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。多元线性回归算法通过分析这些输入变量与小麦产量之间的线性关系，确定每个变量的权重系数。在模型训练过程中，算法会利用小麦产量实际值进行优化，调整权重系数以最小化预测误差。模型通过最小二乘法等技术，根据输入的数据计算小麦产量预测值，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，准确预测小麦产量，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2024-10-12 更新6905
大蒜在生长期时根系数量预测数据
可以用于大蒜根系数量预测，输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)、大蒜茎粗(cm)、叶面积指数、根系长度(cm)、大蒜产量（亩产量）、根系主要分布范围(cm)、根茎长(cm)、叶绿素含量（mg/g）、叶片数量。输出为大蒜根系数量预测值。该模型帮助解决了大蒜根系数量和大蒜状况的关系建模的问题。大蒜植株的根系数量对大蒜根的生长有着重要的影响，根系的健康状况（包括有根系数量）还能影响其对养分的吸收效率，从而影响作物的最终产量。因此，通过预测大蒜根系的数量，可以初步判断作物的生长状况。通过调查采集大蒜数据，并使用传统算法和多元线性回归算法预测大蒜根系数量。该模型的输入为土壤类型、肥料使用、灌溉方式、植株高度(cm)，大蒜茎粗(cm)，叶面积指数，根系长度(cm)，大蒜产量（亩产量），根系主要分布范围(cm)，大蒜根系数量，根茎长(cm)，叶绿素含量（mg/g）。多元线性回归算法通过分析这些输入变量与大蒜根系预测数量之间的线性关系，确定每个变量的权重系数，使用深度学习框架构建模型F=ω1 * U1 + ω2* U2+…ω13 * U13，其中，ω1至ω13分别是土壤类型、肥料使用、灌溉方式、植株高度、大蒜茎粗、叶面积指数、根系长度、大蒜产量、根系主要分布范围、根茎长、叶绿素含量、叶片数量的权重系数，同样的 U1至 U13分别是上述13个输入量的参数值，F是大蒜根系数量预测值。在模型训练过程中，算法会利用大蒜根系数量实际值进行优化，调整权重系数以最小化预测误差，因此上述权重系数（ω1至ω13）是会动态变化。模型通过最小二乘法等技术，根据输入的数据计算大蒜根系数量预测值，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，准确预测大蒜根系数量。
浙江省数据知识产权登记平台2024-10-12 更新1040