1.一种基于增量模糊粗糙集属性约简的作物产量预测方法，其特征在于，包括：

步骤S1：获取作物生长记录数据、作物产量指标数据、作物产量等级数据，构建决策表，设定模糊等价关系和模糊相似度阈值；

步骤S2：根据所述决策表，将所述作物生长记录数据划分为若干等尺寸的作物生长记录数据子集；

步骤S3：将若干所述作物生长记录数据子集中的一个作为原始数据子集输入至基于决策表、模糊等价关系和模糊相似度阈值构建的模糊粗糙集属性约简模型；

步骤S4：通过所述模糊粗糙集属性约简模型，计算所述原始数据子集中每条作物生长记录在作物产量指标数据下的模糊相似度，并根据模糊相似度计算原始数据子集中每条作物生长记录的加权一致性程度，剔除所述原始数据子集中加权一致性程度不及格的作物生长记录，得到加权一致性程度及格的作物生长记录子集；

步骤S5：根据所述决策表，计算所述加权一致性程度及格的作物生长记录子集的作物产量指标重要度，并根据所述作物产量指标重要度对作物产量指标进行属性约简，得到约简属性子集合；

步骤S6：对所述约简属性子集合进行冗余检验，得到非冗余约简属性子集合；

步骤S7：将剩余的所述作物生长记录数据子集作为增量数据子集依次输入所述模糊粗糙集属性约简模型，更新所述原始数据子集，利用更新后的原始数据子集重复步骤S4至S6，得到若干非冗余约简属性子集合，将所述非冗余约简属性子集合输入至分类器模型，以训练得到作物产量预测模型。

2.根据权利要求1所述的基于增量模糊粗糙集属性约简的作物产量预测方法，其特征在于，所述获取作物生长记录数据、作物产量指标数据、作物产量等级数据，构建决策表，包括：获取作物生长记录数据，并根据作物产量对所述作物生长记录数据进行聚类，得到作物产量等级数据；

对所述作物生长记录数据的作物产量指标值进行归一化处理，得到作物产量指标数据；

根据所述作物生长记录数据、所述作物产量指标数据、所述作物产量等级数据，构建决策表DT＝(U,C∪D)，其中DT表示决策表，U表示作物生长记录集合C表示作物产量指标集合，D表示作物产量等级集合。

3.根据权利要求1所述的基于增量模糊粗糙集属性约简的作物产量预测方法，其特征在于，所述通过所述模糊粗糙集属性约简模型，计算所述原始数据子集中每条作物生长记录在作物产量指标数据下的模糊相似度，并根据模糊相似度计算原始数据子集中每条作物生长记录的加权一致性程度，剔除所述原始数据子集中加权一致性程度不及格的作物生长记录，得到加权一致性程度及格的作物生长记录子集，包括：通过所述模糊粗糙集属性约简模型，计算所述原始数据子集中每条作物生长记录在作物产量指标数据下的模糊相似度，得到模糊集；

按照模糊相似度的大小，对所述模糊集中的作物生长记录进行排序，得到加权模糊集；

根据所述加权模糊集，计算所述原始数据子集中每条作物生长记录在作物产量指标数据下与作物产量等级的加权一致性程度；

根据加权一致性程度剔除所述原始数据子集中加权一致性程度不及格的作物生长记录，得到加权一致性程度及格的作物生长记录子集。

4.根据权利要求3所述的基于增量模糊粗糙集属性约简的作物产量预测方法，其特征在于，所述通过所述模糊粗糙集属性约简模型，计算所述原始数据子集中每条作物生长记录在作物产量指标数据下的模糊相似度，并根据模糊相似度计算原始数据子集中每条作物生长记录的加权一致性程度，剔除所述原始数据子集中加权一致性程度不及格的作物生长记录，得到加权一致性程度及格的作物生长记录子集，还包括:根据所述原始数据子集中每条作物生长记录在作物产量指标数据下的模糊相似度，计算所述加权一致性程度及格的作物生长记录子集在作物产量指标数据下的模糊正区域。

5.根据权利要求4所述的基于增量模糊粗糙集属性约简的作物产量预测方法，其特征在于，所述根据所述决策表，计算所述加权一致性程度及格的作物生长记录子集的作物产量指标重要度，并根据所述作物产量指标重要度对作物产量指标进行属性约简，得到约简属性子集合，包括：初始化原始约简属性集合；

根据所述加权一致性程度及格的作物生长记录子集在作物产量指标数据下的模糊正区域，计算所述加权一致性程度及格的作物生长记录子集在原始约简属性集合下的模糊正区域，得到更新作物生长记录子集；

根据加权一致性程度及格的作物生长记录子集在原始约简属性集合下的模糊正区域，计算所述更新作物生长记录子集的作物产量指标重要度；

根据作物产量指标重要度，对作物产量指标进行属性约简直至到达停止条件，得到约简属性子集合。

6.根据权利要求1所述的基于增量模糊粗糙集属性约简的作物产量预测方法，其特征在于，所述对所述约简属性子集合进行冗余检验，得到非冗余约简属性子集合，包括：根据冗余检验条件，从所述约简属性子集合中筛出冗余属性；

从所述约简属性子集合中剔除所述冗余属性，得到非冗余约简属性子集合。

7.根据权利要求6所述的基于增量模糊粗糙集属性约简的作物产量预测方法，其特征在于，所述冗余检验条件具体为：当所述加权一致性程度及格的作物生长记录子集在作物产量指标数据下的模糊正区域大于零，且所述约简属性子集合剔除其中一个约简属性后的作物产量指标重要度等于作物产量指标数据的作物产量指标重要度时，判定被剔除的约简属性为冗余属性。

8.一种基于增量模糊粗糙集属性约简的作物产量预测装置，其特征在于，包括：

决策表构建模块，用于执行步骤S1：获取作物生长记录数据、作物产量指标数据、作物产量等级数据，构建决策表，设定模糊等价关系和模糊相似度阈值；

作物生长记录数据划分模块，用于执行步骤S2：根据所述决策表，将所述作物生长记录数据划分为若干等尺寸的作物生长记录数据子集；

第一输入模块，用于执行步骤S3：将若干所述作物生长记录数据子集中的一个作为原始数据子集输入至基于决策表、模糊等价关系和模糊相似度阈值构建的模糊粗糙集属性约简模型；

作物生长记录剔除模块，用于执行步骤S4：通过所述模糊粗糙集属性约简模型，计算所述原始数据子集中每条作物生长记录在作物产量指标数据下的模糊相似度，并根据模糊相似度计算原始数据子集中每条作物生长记录的加权一致性程度，剔除所述原始数据子集中加权一致性程度不及格的作物生长记录，得到加权一致性程度及格的作物生长记录子集；

属性约简模块，用于执行步骤S5：根据所述决策表，计算所述加权一致性程度及格的作物生长记录子集的作物产量指标重要度，并根据所述作物产量指标重要度对作物产量指标进行属性约简，得到约简属性子集合；

冗余检验模块，用于执行步骤S6：对所述约简属性子集合进行冗余检验，得到非冗余约简属性子集合；

循环模块，用于执行步骤S7：将剩余的所述作物生长记录数据子集作为增量数据子集依次输入所述模糊粗糙集属性约简模型，更新所述原始数据子集，利用更新后的原始数据子集重复步骤S4至S6，得到若干非冗余约简属性子集合，将所述非冗余约简属性子集合输入至分类器模型，以训练得到作物产量预测模型。

9.一种电子设备，包括处理器和存储有计算机程序的存储器，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的基于增量模糊粗糙集属性约简的作物产量预测方法。

10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一项所述的基于增量模糊粗糙集属性约简的作物产量预测方法。