1.一种基于灰色组合模型的农作物产量监控系统，所述系统包括在农作物生产基地安装的多个数据采集组件，农作物数据处理车间以及用户调用端；其特征在于，数据采集组件所采集的农作物数据包括农作物播种总面积，化肥总用量，有效灌溉面积，受灾面积，天气数据以及种植密度；农作物数据处理车间包括中心控制台，以及由中心控制台控制的数据接口模块、数据库、产量预测模块和数据通信模块；所述数据接口模块接收来自数据采集组件的农作物数据，所述数据库用于存储采集到的农作物数据以及产量预测模块所预测的农作物产量数据；所述产量预测模块用于调用灰色组合模型对农作物数据进行处理，并预测出当前的农作物产量数据；所述用户调用端通过数据通信模块请求与中心控制台进行通信，并调用中心控制台控制下产量预测模块所预测的农作物产量数据，对农作物产量数据进行监控。

2.根据权利要求1所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，所述用户调用端通过数据通信模块请求与中心控制台进行通信，并调用中心控制台控制下产量预测模块所预测的农作物产量数据包括灰色组合模块将其预测的农作物产量数据信息打包，包括预测结果、模型标识符与时序信息，并将其将其传输至数据库；中心控制平台调用数据库并获得对应的数据采集组件信息，包括该数据采集组件所在农作物生产基地的位置，连同预测信息打包为报告信息，将所述报告信息传输至数据通信模块；用户调用端通过数据通信模块向中心控制台发出调用请求，中心控制台响应后，控制数据通信模块将报告信息传输至用户调用端。

3.根据权利要求1所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，所述产量预测模块包括数据关联计算单元、数据预处理单元、灰色模型预测单元、极限学习机预测单元、灰色极限学习机拟合误差序列单元、残差修正单元、ARIMA预处理单元、ARIMA预测单元以及灰色组合模型预测单元；

数据关联计算单元：用于根据LDTW距离的灰关联分析方法获取各个序列的影响因子，并筛选出影响因子序列；

数据预处理单元：用于将农作物数据的原始时间序列进行可行检验处理，确保该序列的级比都落在可容覆盖内；采用累加生成法对检验后的数据进行预处理；

灰色模型预测单元：用于选择预处理后距离待测时间点最近的部分历史产量数据，利用灰色模型预测出农作物产量；

极限学习机预测单元：用于将数据关联计算单元计算出的影响因子作为极限学习机的初始权值，利用影响因子序列以及历史产量数据训练权值，从而预测出当前的农作物产量；

灰色极限学习机拟合误差序列单元：用于分别计算灰色模型以及极限学习机所预测出的农作物产量误差，通过加权求和的方式计算出农作物产量数据的拟合误差序列；

残差修正单元：用于计算出实际的农作物产量数据与拟合误差序列之间的残差序列，采用残差序列对农作物产量数据的拟合误差序列进行残差修正；

ARIMA预处理单元：将残差修正后的序列采用自相关函数进行平稳检验处理，采用差分运算处理，使得该序列为平稳序列；

ARIMA预测单元：对ARIMA预处理单元处理后的序列利用ARIMA建模，利用建模后的ARIMA预测模型对残差序列进行预测；

灰色组合模型预测单元：将预测出的农作物产量数据的拟合误差序列以及ARIMA预测模型预测出的残差序列进行求和，从而预测出农作物产量数据。

4.根据权利要求3所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，数据关联计算单元所运行的过程包括以下步骤：(1)采用初值化方法对数据采集组件所采集的农作物数据的原始时间序列进行处理，将缺失数据的维度去掉，将过去K年的历史农作物产量数据作为参考数列y0(k)，将过去L年的m类农作物数据作为比较序列yi(l)，i＝1,2,...,m；k＝1,2,...,K，l＝1,2,...,L；

(2)计算出参考数列y0(k)与比较序列yi(l)的最小两级差和最大两级差，利用分辨系数计算出参考序列与比较序列之间的关联度值；

(3)将m个比较序列对应的关联度值作为影响因子，并按照大小进行排列；

(4)筛选出关联度值大于0.9的序列作为影响因子序列。

5.根据权利要求3所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，所述极限学习机预测单元所运行的过程包括：将影响因子序列作为极限学习机的输入，将对应的关联度值作为极限学习机中的输入权值；

计算出隐含层到输出层的连接权值；输出对应年份农作物产量；

利用损失函数训练输出权值以及偏置量，使得输出的对应年份农作物产量与该年份实际的农作物产量之间的误差最小；

在训练好的极限学习机中输入当前的农作物数据，预测出当前的农作物产量。

6.根据权利要求3所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，所述灰色极限学习机拟合误差序列单元所运行的过程包括：计算出灰色模型预测单元所预测出的结果与实际的农作物产量数据之间的拟合误差序列；

根据灰色模型的拟合误差序列计算出灰色模型的权值系数；

计算出极限学习机模型单元所预测出的结果与实际的农作物产量数据之间的拟合误差序列；

根据极限学习机模型的拟合误差序列计算出极限学习机的权值系数；

计算出经过灰色极限学习机拟合误差序列单元处理后的最终预测序列：

其中，r为权值因子：0≤r＜1；qg表示灰色模型的权值系数，qe表示极限学习机模型的权值系数；Yg表示灰色模型预测的农作物产量；Ye表示极限学习机预测的农作物产量。

7.根据权利要求3所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，所述残差修正单元所运行的过程包括找出拟合误差序列中的最小负数，并在拟合误差序列中的每个值中都叠加该最小负数的绝对值；形成新的拟合误差序列。

8.根据权利要求3所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，所述ARIMA预处理单元所运行的过程包括对拟合误差序列的平稳性进行检验，如为平稳序列，则直接进行建模，如非平稳，则对拟合误差序列进行差分处理，使该序列变为平稳序列再进行建模。

9.根据权利要求3所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，所述ARIMA预测单元所运行的过程包括：判断残差修正后的误差序列的平稳性，并对该序列做ADF检验，确定差分阶数d；

对ARIMA预处理单元经过差分处理后的平稳序列建立滚动ARIMA模型，运用自相关分析法对序列的自相关和偏相关函数图做模型阶数的初步识别，然后经过BIC模型判断，找到最优模型p，q，并用该模型得到误差预测序列；

对误差预测序列进行差分还原得到待还原序列，将待还原序列还原成待预测的序列；

对滚动ARIMA模型拟合结果做白噪声检验，若未通过检验，则重新对拟合模型进行设定，直到通过白噪声检验。

10.根据权利要求3所述的一种基于灰色组合模型的农作物产量监控系统，其特征在于，所述灰色组合模型预测单元所运行的过程包括：灰色组合模型预测单元：将灰色极限学习机拟合误差序列单元拟合的结果与修正过的结果还原序列相加，得出最后组合模型的数据。