发明创造名称：一种玉米产量组合预测系统和方法
外观设计名称：
决定号：191588
决定日：2019-09-20
委内编号：1F267995
优先权日：
申请（专利）号：201510157963.7
申请日：2015-04-03
复审请求人：中国农业科学院农业信息研究所
无效请求人：
授权公告日：
审定公告日：
专利权人：
主审员：明媚
合议组组长：杨洁
参审员：吴广平
国际分类号：G06Q10/04，G06Q50/02
外观设计分类号：
法律依据：专利法第22条第3款
决定要点
：如果一项权利要求请求保护的技术方案相对于最接近的现有技术存在区别技术特征，但上述区别技术特征为现有技术或本领域的惯用手段，在该最接近的现有技术的基础上结合现有技术及本领域的惯用手段得到该权利要求所要求保护的技术方案对本领域技术人员而言是显而易见的，则该权利要求不具有突出的实质性特点和显著的进步，不具备创造性。
全文：
本复审请求涉及申请号为201510157963.7，名称为“一种玉米产量组合预测系统和方法”的发明专利申请（下称本申请）。申请人为中国农业科学院农业信息研究所。本申请的申请日为2015年04月03日，公开日为2015年06月24日。【请务必核实驳回权利要求部分的图片，我这里看不到】
经实质审查，国家知识产权局原审查部门于2018年09月13日发出驳回决定，驳回了本申请，其理由是：权利要求1-7不具备专利法第22条第3款规定的创造性。驳回决定指出：权利要求1请求保护的技术方案与对比文件1（“Winter wheat yield forecasting in Ukraine based on Earth observation, meteorological data and biophysical models”，Kogan F, Kussul N, Adamenko T, et al，《International Journal of Applied Earth Observation & Geoinformation》，page:5080-5082，公开日为2014年07月18日）相比，区别在于：1）权利要求1中的产量组合预测系统与对比文件1中的产量预测系统的具体组成结构不同，其包括模型库及智能组合模块、组合预测模块、结果校验和输出模块，并使用上述各系统执行相应的方法步骤；2）权利要求1中的产量组合预测系统通过模型库中收录的玉米产量预测模型，结合预测期限、预测变量要素的重要程度、预测基础数据的类型，选择预测模型的类型及组合方式，预测各个模型的权重，并调用相应的模型分别进行玉米产量预测；所述模型库中还包括计量模型。由上述区别可以确定权利要求1实际解决的问题是如何实现玉米产量组合预测以及如何进行预测模型的选取。然而，根据实际需要，对预测系统中结合预测方法中的具体系统结构组成进行设置，在本领域是很普遍的，属于惯用手段，本领域技术人员容易想到根据具体的预测方法的特点，进行相应的系统组成的设置，进而完成产量预测的过程，也就是说上述区别特征1）对于本领域技术人员而言属于惯用手段。上述区别特征2）已被对比文件2（“组合模型分析方法在我国粮食产量预测中的应用”，丁晨芳，《农业现代化研究》，第101-103页，公开日为2007年01月30日）公开，且对比文件2公开的上述特征在对比文件2中所起的作用与区别特征2）在该权利要求1中所起的作用相同，都是采用组合预测的对农作物产量进行有效预测，即对比文件2给出了针对不同预测期限、预测因素、预测类型，而选择不同的预测模型进行组合预测，进而得到更加准确的产量预测结果，本领域技术人员根据实际情况容易想到将对比文件2应用于对比文件1以进一步解决问题。因此，在对比文件1的基础上结合对比文件2和所属领域的惯用手段，得到权利要求1所要求保护的方案对本领域技术人员而言是显而易见的，权利要求1不具有突出的实质性特点和显著的进步，不具备创造性。权利要求2-3分别引用权利要求1，本领域技术人员有动机想到针对不同的预测需求，结合现有预测基础数据，而采用上述对比文件1公开的预测模型进行组合预测，进而得到更加准确的预测结果。因此，当其引用的权利要求不具备创造性时，权利要求2-3也不具备创造性。权利要求4所请求保护的方案与对比文件1公开的方案相比，区别在于：权利要求4中的产量组合预测根据预测的目标选择模型组合，根据基础数据变化幅度，决定组合模型各分模型权重，并对预测结果进行校验，保证结果合理性。由上述区别可以确定权利要求4实际解决的问题是如何实现玉米产量组合预测。上述区别特征已被对比文件2公开，且对比文件2公开的上述特征在对比文件2中所起的作用与区别特征在该权利要求4中所起的作用相同，都是采用组合预测的对农作物产量进行有效预测，即对比文件2给出了针对不同预测期限、预测因素、预测类型，而选择不同的预测模型进行组合预测，进而得到更加准确的产量预测结果，本领域技术人员根据实际情况容易想到将对比文件2应用于对比文件1以进一步解决问题。而对组合预测结果进行校验，属于本领域的惯用手段。因此，在对比文件1的基础上结合对比文件2和所属领域的惯用手段，得到权利要求4所要求保护的方案对本领域技术人员而言是显而易见的，权利要求4不具有突出的实质性特点和显著的进步，不具备创造性。权利要求5引用权利要求4，本领域技术人员有动机想到针对不同的预测需求，结合现有预测基础数据，而采用上述对比文件1公开的预测模型进行组合预测，进而得到更加准确的预测结果。因此，当其引用的权利要求不具备创造性时，权利要求5也不具备创造性。权利要求6引用权利要求4，本领域技术人员可根据实际需要，将对比文件2公开的公式进行简单的数学变换，进而得到合适的权重计算公式，属于本领域的惯用手段。因此，当其引用的权利要求不具备创造性时，权利要求6也不具备创造性。权利要求7引用权利要求6，其附加特征被对比文件2公开，因此，当其引用的权利要求不具备创造性时，权利要求7也不具备创造性。
驳回决定所依据的文本为：申请日2015年04月03日提交的说明书摘要、说明书第1-71段、摘要附图、说明书附图图1-2；2018年5月17日提交的权利要求第1-7项。
驳回决定所针对的权利要求书如下：
“1. 一种玉米产量组合预测系统，其特征在于，包括数据输入模块、模型库及智能组合模块、组合预测模块、参数管理模块、结果校验和输出模块；所述数据输入模块输入预测基础数据，作为玉米产量预测所需要的预测变量要素，供组合预测模块调用；所述模型库及智能组合模块连接数据输入模块，用于收录主流的玉米产量预测模型，组合成模型库，并结合预测期限、预测变量要素的重要程度、预测基础数据的类型，选择预测模型的类型及组合方式，测算各个模型的权重，并调用相应的模型分别进行玉米产量预测；所述组合预测模块连接模型库及智能组合模块，组合预测模块包括播种面积预测单元和单产预测单元，用于进行玉米播种面积预测和单产预测；所述参数管理模块连接组合预测模块，参数管理模块用于对组合预测模块中所有模型的参数进行统一求解、管理和调用；所述结果校验和输出模块连接模型库及智能组合模块和组合预测模块，用于对预测结果进行校验和输出显示；
所述基础数据包括耕地面积、玉米市场价格、竞争品作物价格、物质 投入数据、气象数据、灾害数据、遥感数据、玉米田间长势数据;
所述主流的玉米产量预测模型包括单产预测模型和播种面积预测模型；所述模型库中包括计量模型、作物生长模型、气候模型和经验模型。
2. 如权利要求1所述的玉米产量组合预测系统，其特征在于，所述播种面积预测单元包括6个月以上期限的中长期预测模块、6个月以内期限的短期预测模块，以及市场价格变化、作物品种更新、耕地面积变动中某一种因素的变化对播种面积影响的专项预测模块，中长期预测模块选用计量模型，短期预测模块选用计量模型和经验模型，专项预测模块选用计量模型和经验模型。
3. 如权利要求1所述的玉米产量组合预测系统，其特征在于，所述单产预测单元包括6个月以上期限的中长期预测模块、6个月以内期限的短期预测模块，以及气候变化、自然灾害、作物品种更新、化肥投入变动中某一因素的变化对玉米单产影响的专项预测模块，中长期预测模块选用计量模型、作物生长模型和气候模型，短期预测模块选用作物生长模型、气候模型和经验模型，专项预测模块选用作物生长模型、气候模型和经验模型。
4. 一种玉米产量组合预测方法，其特征在于，包括以下步骤：
步骤一：将产量预测分为播种面积预测和单产预测两个部分；
步骤二：输入组合模型所需要的基础数据，并通过输入模块输入模型预测的基础数据并处理成预测模型要求的固定格式；
步骤三：根据预测的目标选择模型组合；
步骤四：根据基础数据变化幅度，决定组合模型各分模型权重；
步骤五：调用模型和参数进行组合预测，得出不同模型的预测结果，对预测结果进行校验；
步骤六：依据组合模型的权重分配得出组合预测结果并进行校验，保证结果合理性；
步骤七：以图表和文字输出组合预测结果。
5. 如权利要求4所述的玉米产量组合预测方法，其特征在于，所述步骤三中，根据预测的目标选择模型组合包括：
所述播种面积预测包括6个月以上期限的中长期预测、6个月以内期限的短期预测，以及市场价格变化、作物品种更新、耕地面积变动中某一种因素的变化对播种面积的影响的专项预测，中长期预测选用计量模型，短期预测选用计量模型和经验模型，专项预测选用计量模型和经验模型；
单产预测包括6个月以上期限的中长期预测、6个月以内期限的短期预测，以及气候变化、自然灾害、作物品种更新、化肥投入变动中某一因素的变化对玉米单产影响的专项预测，中长期预测选用计量模型、作物生长模型和气候模型，短期预测选用作物生长模型、气候模型和经验模型，专项预测选用作物生长模型、气候模型和经验模型。
6. 如权利要求4所述的玉米产量组合预测方法，其特征在于，所述步骤四中，模型权重计算公式为：
7. 如权利要求6所述的玉米产量组合预测方法，其特征在于，所述步骤六中，组合模型预测结果公式为：
”
申请人（下称复审请求人）对上述驳回决定不服,于2018年12月06日向国家知识产权局提出了复审请求，未修改申请文件。复审请求人认为：本发明权利要求1与对比文件1相比，存在如下区别特征：一种玉米产量组合预测系统，所述模型库及智能组合模块连接数据输入模块，用于收录主流的玉米产量模型，组合成模型库，并结合预测期限、预测变量要素的重要程度、预测基础数据的类型，选择预测模型的类型和组合方式，测算各个模型的权重，并调用相应的模型分别进行玉米产量预测。对比文件1未公开组合预测模型；对比文件2公开组合预测模型，未公开结果校验单元。本申请技术方案相对于对比文件1、对比文件2和公知常识的组合不是显而易见的，因而具备创造性。
经形式审查合格，国家知识产权局于2018年12月12日依法受理了该复审请求，并将其转送至原审查部门进行前置审查。
原审查部门在前置审查意见书中认为：对比文件1公开了基于遥感数据、气象数据、生物模型数据等对农作物进行生长预测，具体公开了农作物生长监测主要包括农作物的产量预测和农作物面积预测，而针对上述预测需求，模型主要包括基于回归的经验模型、气象回归模型和农作物生长模型等，并且介绍了针对不同的预测模型所适用的预测范围，以及所需要的输入数据和优缺点等进行了介绍。对比文件1并未公开针对上述模型的组合预测方法，但是对比文件2公开了一种粮食产量预测中的组合模型分析方法，其为解决单一预测方法预测精度不高，不能实现根据农作物数据有针对性的进行预测，最大化的利用作物有用信息，而提出的一种组合预测，其采用两种或两种以上的方法对同一对象进行预测，并对各单个预测结果进行加权综合，来预测粮食产量和播种面积的预测，采用不同的预测模型分别预测不同时期的粮食产量。根据当前权利要求1的记载，其仅仅是限定了系统包括“结果校验和输出模块，用于对预测结果进行校验和输出显示”，其并未具体公开如何进行结果校验，而对比文件2中对对模型优劣进行评价的过程，即为对结果的校验过程，即便申请人将具体校验过程限定到权利要求1中，其对校验方法的限定，如“主要校验方法是以播种面积和单产的历史平均值为依据设置最高和最低限值，对于严重偏离限值的预测结果进行校验，同时通过各因素之间的数量关系进行逻辑校验”的过程，也属于本领域技术人员根据实际需要而进行的常规设置，并不能构成使本申请具备创造性的理由。另外，权利要求4中仅仅记载了对个模型分配权重，以及预测结果进行校验，但并未具体公开如何选择，以及如何进行校验。即便申请人将模型权重计算公式加入到权利要求4中，也并不能构成使本申请具备创造性的理由，对比文件2已经公开了一种粮食产量预测中的组合模型分析方法，采用两种或两种以上的方法对同一对象进行预测，并对各单个预测结果进行加权综合，来预测粮食产量和播种面积的预测，采用不同的预测模型分别预测不同时期的粮食产量。而对于具体权重计算方法，这对于本领域技术人员来说是可以根据实际需要进行的常规设置。因此，坚持原驳回决定。
随后，国家知识产权局成立合议组对本案进行审理。
合议组于2019年06月10日向复审请求人发出复审通知书，指出：权利要求1-7不具备专利法第22条第3款规定的创造性。其中，对比文件2作为最接近的现有技术。权利要求1与对比文件2的区别特征在于：包括数据输入模块、模型库及智能组合模块、组合预测模块、参数管理模块、结果校验和输出模块执行相应的方法步骤；基础数据包括耕地面积、玉米市场价格、竞争品作物价格、物质投入数据、气象数据、灾害数据、遥感数据、玉米田间长势数据；主流的玉米产量预测模型包括单产预测模型和播种面积预测模型；所述模型库中包括计量模型、作物生长模型、气候模型和经验模型。由上述区别可以确定权利要求1实际解决的问题是：如何设置相应的功能模块及选取基础数据和具体的模型类型。对比文件1公开了多种预测模型，且其在对比文件1中所起的作用与在该权利要求中所起的作用相同，都是用于进行农作物产量预测。另外，其他功能模块的设置及数据和模型类型的选取，是本领域技术人员根据实际预测需要可以进行合理选择的，属于本领域的惯用手段。因此，在对比文件2的基础上结合对比文件1和本领域的惯用手段，得到权利要求1所要求保护的方案对本领域技术人员而言是显而易见的，因而权利要求1不具有突出的实质性特点和显著的进步，不具备创造性。权利要求2-3对权利要求1的进一步限定属于本领域的惯用手段。因此，当其引用的权利要求不具备创造性时，权利要求2-3也不具备创造性。权利要求4与对比文件2的区别特征在于：将产量预测分为播种面积预测和单产预测两个部分；输入组合模型所需要的基础数据，并通过输入模块输入模型预测的基础数据并处理成预测模型要求的固定格式；对预测结果进行校验及以图表和文字输出组合预测结果。由上述区别特征可以确定权利要求4实际解决的问题是：如何实现组合预测并校验和输出预测结果。对比文件1公开了多种预测模型，且其在对比文件1中所起的作用与在该权利要求中所起的作用相同，都是用于进行农作物产量预测。而其他基础数据的选取和格式处理及预测结果的校验和输出方式，是本领域技术人员根据实际预测需要可以进行合理选择的，属于本领域的惯用手段。因此，在对比文件2的基础上结合对比文件1和本领域的惯用手段，得到权利要求4所要求保护的方案对本领域技术人员而言是显而易见的，因而权利要求4不具有突出的实质性特点和显著的进步，不具备创造性。权利要求5、6对权利要求4的进一步限定属于本领域的惯用手段，权利要求7引用权利要求6，其附加特征被对比文件2公开。因此，当其引用的权利要求不具备创造性时，权利要求5-7也不具备创造性。
对于复审请求人的复审理由，合议组认为：首先，对比文件2公开了一种粮食产量预测中的组合模型分析方法，其为解决单一预测方法预测精度不高，不能实现根据农作物数据有针对性的进行预测，最大化的利用作物有用信息，而提出的一种组合预测，其采用两种或两种以上的方法对同一对象进行预测，并对各单个预测结果进行加权综合，来预测粮食产量和播种面积的预测，采用不同的预测模型分别预测不同时期的粮食产量。其次，对预测结果进行校验以保证结果的合理性，是本领域技术人员根据实际预测需要可以进行合理选择的，属于本领域的惯用手段。
针对上述复审通知书，复审请求人于2019年07月16日提交了意见陈述书，但未修改申请文件。复审请求人认为：本发明权利要求1与对比文件1相比，存在如下区别特征：一种玉米产量组合预测系统，所述模型库及智能组合模块连接数据输入模块，用于收录主流的玉米产量模型，组合成模型库，并结合预测期限、预测变量要素的重要程度、预测基础数据的类型，选择预测模型的类型和组合方式，测算各个模型的权重，并调用相应的模型分别进行玉米产量预测。对比文件1仅公开了作物生长监测的两个主要组成部分和最有效的方法模型，未公开基于上述模型的组合预测；对比文件2公开组合预测模型，仅仅是将数据导入计量经济软件中且以时间为线索，但未公开结果校验单元负责对结果进行校验。本申请技术方案相对于对比文件1、对比文件2和公知常识的组合不是显而易见的，因而具备创造性。
在上述程序的基础上，合议组认为本案事实已经清楚，可以作出审查决定。
二、决定的理由
审查文本的认定
复审请求人在提出复审请求和答复复审通知书时均未对申请文件进行修改，因此，本复审决定所依据的文本与驳回决定及复审通知书所依据的文本相同，为：申请日2015年04月03日提交的说明书摘要、说明书第1-71段、摘要附图、说明书附图图1-2；2018年5月17日提交的权利要求第1-7项。
2、具体理由的阐述
专利法第22条第3款规定：“创造性，是指与现有技术相比，该发明具有突出的实质性特点和显著的进步，该实用新型具有实质性特点和进步。”
如果一项权利要求请求保护的技术方案相对于最接近的现有技术存在区别技术特征，但上述区别技术特征为现有技术或本领域的惯用手段，在该最接近的现有技术的基础上结合现有技术及本领域的惯用手段得到该权利要求所要求保护的技术方案对本领域技术人员而言是显而易见的，则该权利要求不具有突出的实质性特点和显著的进步，不具备创造性。
本复审通知书引用的对比文件与驳回决定中引用的对比文件相同，即：
对比文件1： “Winter wheat yield forecasting in Ukraine based on Earth observation, meteorological data and biophysical models”，Kogan F, Kussul N, Adamenko T, et al，《International Journal of Applied Earth Observation & Geoinformation》，page:5080-5082，公开日为2014年07月18日。
对比文件2：“组合模型分析方法在我国粮食产量预测中的应用”，丁晨芳，《农业现代化研究》，第101-103页，公开日为2007年01月30日。
其中，对比文件2作为最接近的现有技术。
（2.1）权利要求1不具备专利法第22条第3款规定的创造性。
权利要求1请求保护一种玉米产量组合预测系统。对比文件2公开了一种应用于粮食产量预测中的组合模型分析方法，并具体公开了以下特征（参见论文第101-103页）：组合预测是指采用两种或两种以上的方法对统一对象进行预测，并对各单个预测结果进行加权综合，采用不同预测模型分别预测不同时期的粮食产量。在短期预测中由于及时信息少，选择指数平滑法较为理想，多元回归法作为因果预测的一种，提供信息的能力很强，适合于粮食生产多因素的特性，C-D生产函数模型能够反应出产出量与要素投入之间的非线性关系，对于解释各个因素与产出量之间的关系更为有效。在组合预测中，合理的权重会大大提高预测精度，权重的选择方法有：算数平均法、标准差法、方差倒数法、AHP法、德尔菲法、最优加权法等。最终选择3种评价指标对模型优劣进行评价：不同模型的平均绝对百分误差、希尔不等系数、和均方根误差，通过各个模型的预测结果比较，组合预测模型的平均绝对百分误差、希尔不等系数和均方根均小于单一模型，说明组合模型的预测精度高，组合预测模型与实际粮食产量拟合较好，模拟值十分接近真实值，组合预测结果比单一模型更加可靠。即公开了几种不同预测模型分别预测不同时期的粮食产量，并选择合理的权重进行组合预测。可见对比文件2给出了针对不同预测期限、预测因素、预测类型，而选择不同的预测模型进行组合预测，进而得到更加准确的产量预测结果。
权利要求1与对比文件2的区别特征在于：包括数据输入模块、模型库及智能组合模块、组合预测模块、参数管理模块、结果校验和输出模块执行相应的方法步骤；基础数据包括耕地面积、玉米市场价格、竞争品作物价格、物质投入数据、气象数据、灾害数据、遥感数据、玉米田间长势数据；主流的玉米产量预测模型包括单产预测模型和播种面积预测模型；所述模型库中包括计量模型、作物生长模型、气候模型和经验模型。由上述区别可以确定权利要求1实际解决的问题是：如何设置相应的功能模块及选取基础数据和具体的模型类型。
对比文件1公开了一种基于地理观测、气象数据和生物模型的乌克兰冬小麦生长预测的方案，并具体公开了以下特征（参见论文摘要，第1节，第3-4节）：作物生长监测的两个主要组成部分是农作物产量预测和农作物面积预测。目前，最有效的两种预测农作物产量的方法是基于回归的经验模型和农作物生长模型，其中还包括基于气象数据的冬小麦产量预测经验回归模型，即气象回归模型；经验模型是跟农作物产量有关的一些断定的预测因子相连，例如，从遥感数据、气象观测数据和通过输入的一些数据得到的植被指数。农作物生长模型模拟农作物的生长来获得农作物的生长物理参数，例如农作物产量、生物量、水分利用等等，该模型需要输入大量的参数，特别是土壤类型，作物类型、天气数据和作物管理因素（如播种日期、出苗、开花、成熟、生理成熟度等）。通过三种预测方法预测了乌克兰冬小麦产量，比较三种模式与官方统计数据的结果，并对目标的相应的错误进行了评估和分析，将评估结果作为混合专家融合。使用CGMS系统，天气数据可以作为输入参数，输出NDVI回归模型的结果（相当于权利要求1的“预测系统、数据输入模块、参数管理模块、模型库、输出单元；产量预测包括单产预测和播种面积预测；数据包括气象数据和长势数据；模型包括作物生长模型、气候模型和经验模型”）。而且，上述特征在对比文件1中所起的作用与在该权利要求中所起的作用相同，都是用于进行农作物产量预测。另外，其他功能模块的设置及数据和模型类型的选取，是本领域技术人员根据实际预测需要可以进行合理选择的，属于本领域的惯用手段。
因此，在对比文件2的基础上结合对比文件1和本领域的惯用手段，得到权利要求1所要求保护的方案对本领域技术人员而言是显而易见的，因而权利要求1不具有突出的实质性特点和显著的进步，不具备创造性。
（2.2）权利要求2-3不具备专利法第22条第3款规定的创造性。
权利要求2-3对权利要求1作了进一步限定。对比文件1已经公开了（参见论文摘要，第1节，第3-4节）：作物生长监测的两个主要组成部分是农作物产量预测和农作物面积预测。目前，最有效的两种预测农作物产量的方法是基于回归的经验模型和农作物生长模型，其中还包括基于气象数据的冬小麦产量预测经验回归模型，即气象回归模型，经验模型是跟农作物产量有关的一些断定的预测因子相连，例如，从遥感数据、气象观测数据和通过输入的一些数据得到的植被指数。农作物生长模型模拟农作物的生长来获得农作物的生长物理参数，例如农作物产量、生物量、水分利用等等，该模型需要输入大量的参数，特别是土壤类型，作物类型、天气数据和作物管理因素（如播种日期、出苗、开花、成熟、生理成熟度等）。而且，上述特征在对比文件1中所起的作用与在该权利要求中所起的作用相同，都是用于进行农作物产量预测。而其他数据和模型类型的选取，是本领域技术人员根据实际预测需要可以进行合理选择的，属于本领域的惯用手段。
因此，当其引用的权利要求不具备创造性时，权利要求2-3也不具备创造性。
（2.3）权利要求4不具备专利法第22条第3款规定的创造性。
权利要求4请求保护一种玉米产量组合预测方法。对比文件2公开了一种应用于粮食产量预测中的组合模型分析方法，并具体公开了以下特征（参见论文第101-103页）：组合预测是指采用两种或两种以上的方法对统一对象进行预测，并对各单个预测结果进行加权综合，采用不同预测模型分别预测不同时期的粮食产量。在短期预测中由于及时信息少，选择指数平滑法较为理想，多元回归法作为因果预测的一种，提供信息的能力很强，适合于粮食生产多因素的特性，C-D生产函数模型能够反应出产出量与要素投入之间的非线性关系，对于解释各个因素与产出量之间的关系更为有效。在组合预测中，合理的权重会大大提高预测精度，权重的选择方法有：算数平均法、标准差法、方差倒数法、AHP法、德尔菲法、最优加权法等。最终选择3种评价指标对模型优劣进行评价：不同模型的平均绝对百分误差、希尔不等系数、和均方根误差，通过各个模型的预测结果比较，组合预测模型的平均绝对百分误差、希尔不等系数和均方根均小于单一模型，说明组合模型的预测精度高，组合预测模型与实际粮食产量拟合较好，模拟值十分接近真实值，组合预测结果比单一模型更加可靠。可见对比文件2给出了针对不同预测目标选择不同的预测模型，并选择合理的权重进行组合预测，得出不同模型的预测结果，进而得到更加准确的产量预测结果。
权利要求4与对比文件2的区别特征在于：将产量预测分为播种面积预测和单产预测两个部分；输入组合模型所需要的基础数据，并通过输入模块输入模型预测的基础数据并处理成预测模型要求的固定格式；对预测结果进行校验及以图表和文字输出组合预测结果。由上述区别特征可以确定权利要求4实际解决的问题是：如何实现组合预测并校验和输出预测结果。
对比文件1公开了一种基于地理观测、气象数据和生物模型的乌克兰冬小麦生长预测的方案，并具体公开了以下特征（参见论文摘要，第1节，第3-4节）：作物生长监测的两个主要组成部分是农作物产量预测和农作物面积预测。目前，最有效的两种预测农作物产量的方法是基于回归的经验模型和农作物生长模型，其中还包括基于气象数据的冬小麦产量预测经验回归模型，即气象回归模型；经验模型是跟农作物产量有关的一些断定的预测因子相连，例如，从遥感数据、气象观测数据和通过输入的一些数据得到的植被指数。农作物生长模型模拟农作物的生长来获得农作物的生长物理参数，例如农作物产量、生物量、水分利用等等，该模型需要输入大量的参数，特别是土壤类型，作物类型、天气数据和作物管理因素（如播种日期、出苗、开花、成熟、生理成熟度等）。通过三种预测方法预测了乌克兰冬小麦产量，比较三种模式与官方统计数据的结果，并对目标的相应的错误进行了评估和分析，将评估结果作为混合专家融合。使用CGMS系统，天气数据可以作为输入参数，输出NDVI回归模型的结果（相当于产量预测包括单产预测和播种面积预测；数据包括气象数据和长势数据）。而且，上述特征在对比文件1中所起的作用与在该权利要求中所起的作用相同，都是用于进行农作物产量预测。而其他基础数据的选取和格式处理及预测结果的校验和输出方式，是本领域技术人员根据实际预测需要可以进行合理选择的，属于本领域的惯用手段。
因此，在对比文件2的基础上结合对比文件1和本领域的惯用手段，得到权利要求4所要求保护的方案对本领域技术人员而言是显而易见的，因而权利要求4不具有突出的实质性特点和显著的进步，不具备创造性。
（2.4）权利要求5不具备专利法第22条第3款规定的创造性。
权利要求5对权利要求4作了进一步限定。对比文件1已经公开了（参见论文摘要，第1节，第3-4节）：作物生长监测的两个主要组成部分是农作物产量预测和农作物面积预测。目前，最有效的两种预测农作物产量的方法是基于回归的经验模型和农作物生长模型，其中还包括基于气象数据的冬小麦产量预测经验回归模型，即气象回归模型，经验模型是跟农作物产量有关的一些断定的预测因子相连，例如，从遥感数据、气象观测数据和通过输入的一些数据得到的植被指数。农作物生长模型模拟农作物的生长来获得农作物的生长物理参数，例如农作物产量、生物量、水分利用等等，该模型需要输入大量的参数，特别是土壤类型，作物类型、天气数据和作物管理因素（如播种日期、出苗、开花、成熟、生理成熟度等）。即公开了部分影响因素和预测模型。而且，上述特征在对比文件1中所起的作用与在该权利要求中所起的作用相同，都是用于进行农作物产量预测。而其他数据和模型类型的选取，是本领域技术人员根据实际预测需要可以进行合理选择的，属于本领域的惯用手段。因此，当其引用的权利要求不具备创造性时，权利要求5也不具备创造性。
（2.5）权利要求6不具备专利法第22条第3款规定的创造性。
权利要求6对权利要求4作了进一步限定。对比文件2已经公开了（参见论文第101-103页）：组合预测是指采用两种或两种以上的方法对统一对象进行预测，并对各单个预测结果进行加权综合，采用不同预测模型分别预测不同时期的粮食产量。权重的选择方法有：算数平均法、标准差法、方差倒数法、AHP法、德尔菲法、最优加权法等。本文选取方差倒数法，其原理为：对误差平方和小的模型赋予较高的权重，误差平方和大的赋予较小的权重。该方法不仅易于操作，而且效果较好，适合应用于本研究。表达公式为：，式中为第j个模型的误差平方和，即。本领域技术人员可根据实际需要，对上述公式进行简单的数学变换，进而得到合适的权重计算公式，属于本领域的惯用手段。因此，当其引用的权利要求不具备创造性时，权利要求6也不具备专利法第22条第3款规定的创造性。
（2.6）权利要求7不具备专利法第22条第3款规定的创造性。
权利要求7对权利要求6作了进一步限定。对比文件2已经公开了（参见论文第101-103页）：组合预测是指采用两种或两种以上的方法对统一对象进行预测，并对各单个预测结果进行加权综合，采用不同预测模型分别预测不同时期的粮食产量。对N种预测方法，通过分析，确定方法j的权重为（j=1,2,…,N），组合预测理论模型为：，为在t时间第j种方法的预测值：为在t时间组合预测的预测值。因此，当其引用的权利要求6不具备创造性时，权利要求7也不具备专利法第22条第3款规定的创造性。
（2.7）对复审请求人意见陈述的评述
对于复审请求人的意见陈述（详见本复审决定的案由部分），合议组认为：
首先，对比文件2公开了一种粮食产量预测中的组合模型分析方法，其为解决单一预测方法预测精度不高，不能实现根据农作物数据有针对性的进行预测，最大化的利用作物有用信息，而提出的一种组合预测，其采用两种或两种以上的方法对同一对象进行预测，并对各单个预测结果进行加权综合，来预测粮食产量和播种面积的预测，采用不同的预测模型分别预测不同时期的粮食产量。其与本申请属于同样的发明构思，都是采用模型组合预测的方法以提高粮食产量预测的精度。
其次，在进行数据预测时，为保证结果的合理性和准确性，对预测结果结合相关参数设定合理的阈值进行校验，以排除明显偏离的结果，这是本领域技术人员根据实际预测需要可以进行合理选择的，属于本领域的惯用手段。
因此，复审请求人的陈述意见不具有说服力。
三、决定
维持国家知识产权局于2018年09月13日对本申请作出的驳回决定。
如对本复审决定不服，根据专利法第41条第2款的规定，复审请求人可以自收到本复审决定之日起三个月内向北京知识产权法院起诉。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
