一种基于大数据分析的种植系统及方法技术方案

本发明专利技术公开了一种基于大数据分析的种植系统及方法，所述种植系统包括销售趋势分析模块和种植方案生成模块，所述销售趋势分析模块与种植方案生成模块连接。所述销售趋势分析模块包括数据采集模块和数据预估模块，所述数据采集模块包括销量数据采集模块和销售单价采集模块，所述销量数据采集模块包括线上销量数据采集模块和线下销量数据采集模块，所述销售单价采集模块包括线上销售单价采集模块和线下销售单价采集模块，所述数据预估模块包括销量数据预估模块、销售单价预估模块和销售总额预估模块，所述销量数据预估模块包括线上销量数据预估模块和线下销量数据预估模块。

A planting system and method based on big data analysis

【技术实现步骤摘要】
一种基于大数据分析的种植系统及方法
本专利技术涉及大数据分析领域，具体是一种基于大数据分析的种植系统及方法。
技术介绍
芦笋富含多种氨基酸、蛋白质和维生素，是世界十大名菜之一，在国际市场上享有蔬菜之王的美称。由于芦笋的种植管理简单，采收期长，芦笋售价相对其他蔬菜较贵，所以越来越多的人芦笋作为经济作物。芦笋主要包括绿芦笋、白芦笋和紫芦笋，虽然他们都属于芦笋类，但绿芦笋、白芦笋和紫芦笋的单价和销量却不相同，因此人们在种植绿芦笋、白芦笋、紫芦笋无法进行合理的种植布局，从而有可能导致人们种植芦笋的收益较少，也有可能导致绿芦笋、白芦笋、紫芦笋市场的不稳定。
技术实现思路
本专利技术的目的在于提供一种基于大数据分析的种植系统及方法，以解决现有技术中的问题。为实现上述目的，本专利技术提供如下技术方案：一种基于大数据分析的种植系统，该种植系统包括销售趋势分析模块和种植方案生成模块，销售趋势分析模块与种植方案生成模块连接。作为优选方案，所述销售趋势分析模块包括数据采集模块和数据预估模块，所述数据采集模块包括销量数据采集模块和销售单价采集模块，所述销量数据采集模块包括线上销量数据采集模块和线下销量数据采集模块，所述销售单价采集模块包括线上销售单价采集模块和线下销售单价采集模块，所述数据预估模块包括销量数据预估模块、销售单价预估模块和销售总额预估模块，所述销量数据预估模块包括线上销量数据预估模块和线下销量数据预估模块，所述线上销量数据预估模块与线上销量数据采集模块连接，所述线下销量数据预估模块与线下销量数据采集模块连接，所述销售单价预估模块包括线上销售单价预估模块和线下销售单价预估模块，所述线上销售单价预估模块与线上销售单价采集模块连接，所述线下销售单价预估模块与线下销售单价采集模块连接，所述销售总额预估模块包括线上销售总额预估模块和线下销售总额预估模块，所述线上销售总额预估模块与线上销量数据预估模块、线上销售单价预估模块连接，所述线下销售总额预估模块与线下销量数据预估模块、线下销售单价预估模块连接，所述种植方案生成模块与量数据预估模块、销售单价预估模块和销售总额预估模块连接，所述种植方案生成模块用于输出绿芦笋、白芦笋、紫芦笋的种植占比。一种基于大数据分析的种植方法，该种植方法包括以下步骤：S1：输出绿芦笋、白芦笋、紫芦笋的销售趋势：S11：分别采集绿芦笋、白芦笋、紫芦笋的历史销售数据；S12：分别计算绿芦笋、白芦笋、紫芦笋的预估销售数据；S2：生成绿芦笋、白芦笋、紫芦笋的种植方案：S21：分别计算绿芦笋、白芦笋、紫芦笋的销售预估总额；S22：分别计算绿芦笋、白芦笋、紫芦笋的种植占比。在上述技术方案中，根据绿芦笋、白芦笋、紫芦笋的销售趋势来生成绿芦笋、白芦笋、紫芦笋的种植方案，使得绿芦笋、白芦笋、紫芦笋的种植布局更加合理；通过对进行绿芦笋、白芦笋、紫芦笋的历史销售数据进行处理和优化，从而提高绿芦笋、白芦笋、紫芦笋的预估销售数据的准确率。作为优选方案，步骤S11中的历史销售数据包括前N1年的线上年销售数量、前N1年的线下年销售数量、前N2月的线上月销售单价、前N2月的线上月销售数量和前N2月的线下月销售单价，N1、N2均为常数，记绿芦笋前N1年每年的线上年销售数量分别为G1(1)、G1(2)、...、G1(N1)，绿芦笋前N1年每年的线下年销售数量分别为G2(1)、G2(2)、...、G2(N1)；紫芦笋前N1年每年的线上年销售数量分别为P1(1)、P1(2)、...、P1(N1)，紫芦笋前N1年的每年的线下年销售数量分别为P2(1)、P2(2)、...、P2(N1)；白芦笋前N1年每年的线上年销售数量分别为W1(1)、W1(2)、...、W1(N1)，白芦笋前N1年每年的线下年销售数量分别为W2(1)、W2(2)、...、W2(N1)；绿芦笋前N2月每月的线上月销售单价分别为G3(1)、G3(2)、...、G3(N2)，前N2月每月的线上月销售数量分别为G4(1)、G4(2)、...、G4(N2)，前N2月每月的线下月销售单价分别为G5(1)、G5(2)、...、G5(N2)；紫芦笋前N2月的每月的线上月销售单价分别为P3(1)、P3(2)、...、P3(N2)，前N2月每月的线上月销售数量分别为P4(1)、P4(2)、...、P4(N2)，前N2月每月的线下月销售单价分别为P5(1)、P5(2)、...、P5(N2)；白芦笋前N2月的每月的线上月销售单价分别为W3(1)、W3(2)、...、W3(N2)，前N2月每月的线上月销售数量分别为W4(1)、W4(2)、...、W4(N2)，前N2月每月的线下月销售单价分别为W5(1)、W5(2)、...、W5(N2)。在上述技术方案中，历史销售数据包括前N1年的线上年销售数量、前N1年的线下年销售数量、前N2月的线上月销售单价、前N2月的线上月销售数量和前N2月的线下月销售单价,将销售数据分为线上销售数据和线下销售数据，线上销售数据和线下销售数据有很大的不同，线下销售是一种非常成熟的销售渠道，无论是线下销售单价还是线下销售数量都处于一个稳定的状态，而线上销售正处于快速的发展中，线上销售单价与线上销售单价、线上销售数量与线下销售数量都有一定的差距，因此线上销售数据和线下销售数据分开采集，从而提高预估销售数据的准确性，保证了预估销售数据的计算的合理性。作为优选方案，步骤S12中的预估销售数据包括未来N3年的线上年销售预估总数量、线上销售预估单价、未来N3年的线下年销售预估总数量和线上销售预估单价，令绿芦笋未来N3年的线上年销售预估总数量NG1等于绿芦笋未来N3年的线上年销售预估数量之和，未来第n年的线上年销售预估数量等于G1(1)*(1+SG)n，SG为年销售预估增长率，SG等于前N1年的线上年销售增长率的平均值，即SG=[(G1(1)-G1(2))/G1(2)+...+(G1(N1-1)-G1(N1))/G1(N1)]/(N1-1),则NG1=G1(1)*[(1+SG)+(1+SG)2+...+(1+SG)N3]；绿芦笋未来N3年的线上销售预估单价PG1为绿芦笋前N2月每月的线上月销售单价的加权平均值，则PG1=[G4(1)*G3(1)+G4(2)*G3(2)+...+G4(N2)*G3(N2)]/(G4(1)+G4(2)+...+G4(N2))，绿芦笋未来N3年的线下年销售预估总数量NG2为优化的绿芦笋前N1年线下年销售数量平均值，绿芦笋未来N3年的线下销售预估单价PG2为绿芦笋前N2月每月的线下月销售单价的平均值，则PG2=(G5(1)+G5(2)+...+G5(N2))/N2；紫芦笋未来N3年的线上年销售预估总数量NP1等于紫芦笋未来N3年的线上年销售预估数量之和，未来第n年的线上年销售预估数量等于P1(1)*(1+SP)n，SP为年销售预估增长率，SP等于前N1年每年的线上年销售增长率的平均值，即SP=[(P1(1)-P1(2))/P1(2)+...+(P1(N1-1)-P1(N1))/P1(N1)]/(N1-1),则NP1=P1(1)*[(1+SP)+(1+SP)2+...+(1+SP)N3]；紫芦笋未来N3年的线上销售预估单价PP1为紫芦笋前N2月每月的线上月销售单价的本文档来自技高网...

【技术保护点】
1.一种基于大数据分析的种植系统，其特征在于：所述种植系统包括销售趋势分析模块和种植方案生成模块，所述销售趋势分析模块与种植方案生成模块连接。

【技术特征摘要】
1.一种基于大数据分析的种植系统，其特征在于：所述种植系统包括销售趋势分析模块和种植方案生成模块，所述销售趋势分析模块与种植方案生成模块连接。2.根据权利要求2所述的一种基于大数据分析的种植系统及方法，其特征在于：所述销售趋势分析模块包括数据采集模块和数据预估模块，所述数据采集模块包括销量数据采集模块和销售单价采集模块，所述销量数据采集模块包括线上销量数据采集模块和线下销量数据采集模块，所述销售单价采集模块包括线上销售单价采集模块和线下销售单价采集模块，所述数据预估模块包括销量数据预估模块、销售单价预估模块和销售总额预估模块，所述销量数据预估模块包括线上销量数据预估模块和线下销量数据预估模块，所述线上销量数据预估模块与线上销量数据采集模块连接，所述线下销量数据预估模块与线下销量数据采集模块连接，所述销售单价预估模块包括线上销售单价预估模块和线下销售单价预估模块，所述线上销售单价预估模块与线上销售单价采集模块连接，所述线下销售单价预估模块与线下销售单价采集模块连接，所述销售总额预估模块包括线上销售总额预估模块和线下销售总额预估模块，所述线上销售总额预估模块与线上销量数据预估模块、线上销售单价预估模块连接，所述线下销售总额预估模块与线下销量数据预估模块、线下销售单价预估模块连接，所述种植方案生成模块与销量数据预估模块、销售单价预估模块和销售总额预估模块连接，所述种植方案生成模块用于输出绿芦笋、白芦笋、紫芦笋的种植占比。3.一种基于大数据分析的种植方法，其特征在于：所述种植方法包括以下步骤：S1：输出绿芦笋、白芦笋、紫芦笋的销售趋势：S11：分别采集绿芦笋、白芦笋、紫芦笋的历史销售数据；S12：分别计算绿芦笋、白芦笋、紫芦笋的预估销售数据；S2：生成绿芦笋、白芦笋、紫芦笋的种植方案：S21：分别计算绿芦笋、白芦笋、紫芦笋的销售预估总额；S22：分别计算绿芦笋、白芦笋、紫芦笋的种植占比。4.根据权利要求2所述的一种基于大数据分析的种植方法，其特征在于：所述步骤S11中的历史销售数据包括前N1年的线上年销售数量、前N1年的线下年销售数量、前N2月的线上月销售单价、前N2月的线上月销售数量和前N2月的线下月销售单价，N1、N2均为常数，记绿芦笋前N1年每年的线上年销售数量分别为G1(1)、G1(2)、...、G1(N1)，绿芦笋前N1年每年的线下年销售数量分别为G2(1)、G2(2)、...、G2(N1)；紫芦笋前N1年每年的线上年销售数量分别为P1(1)、P1(2)、...、P1(N1)，紫芦笋前N1年的每年的线下年销售数量分别为P2(1)、P2(2)、...、P2(N1)；白芦笋前N1年每年的线上年销售数量分别为W1(1)、W1(2)、...、W1(N1)，白芦笋前N1年每年的线下年销售数量分别为W2(1)、W2(2)、...、W2(N1)；绿芦笋前N2月每月的线上月销售单价分别为G3(1)、G3(2)、...、G3(N2)，前N2月每月的线上月销售数量分别为G4(1)、G4(2)、...、G4(N2)，前N2月每月的线下月销售单价分别为G5(1)、G5(2)、...、G5(N2)；紫芦笋前N2月的每月的线上月销售单价分别为P3(1)、P3(2)、...、P3(N2)，前N2月每月的线上月销售数量分别为P4(1)、P4(2)、...、P4(N2)，前N2月每月的线下月销售单价分别为P5(1)、P5(2)、...、P5(N2)；白芦笋前N2月的每月的线上月销售单价分别为W3(1)、W3(2)、...、W3(N2)，前N2月每月的线上月销售数量分别为W4(1)、W4(2)、...、W4(N2)，前N2月每月的线下月销售单价分别为W5(1)、W5(2)、...、W5(N2)。5.根据权利要求4所述的一种基于大数据分析的种植方法，其特征在于：所述步骤S12中的预估销售数据包括未来N3年的线上年销售预估总数量、线上销售预估单价、未来N3年的线下年销售预估总数量和线下销售预估单价，令绿芦笋未来N3年的线上年销售预估总数量NG1等于绿芦笋未来N3年的线上年销售预估数量之和，未来第n年的线上年销售预估数量等于G1(1)*(1+SG)n，SG为年销售预估增长率，SG等于前N1年的线上年销售增长率的平均值，即SG=[(G1(1)-G1(2))/G1(2)+...+(G1(N1-1)-G1(N1))/G1(N1)]/(N1-1),则NG1=G1(1)*[(1+SG)+(1+SG)2+...+(1+SG)N3]；绿芦笋未来N3年的线上销售预估单价PG1为绿芦笋前N2月每月的线上月销售单价的加权平均值，则PG1=[G4(1)*G3(1)+G4(2)*G3(2)+...+G4(N2)*G3(N2)]/(G4(1)+G4(2)+...+G4(N2))，绿芦笋未来N3年的线下年销售预估总数量NG2为优化的绿芦笋前N1年线下年销售数量平均值，绿芦笋未来N3年的线下销售预估单价PG2为绿芦笋前N2月每月的线下月销售单价的平均值，则PG2=(G5(1)+G5(2)+...+G5(N2))/N2；紫芦笋未来N3年的线上年销售预估总数量NP1等于紫芦笋未来N3年的线上年销售预估数量之和，未来第n年的线上年销售预估数量等于P1(1)*(1+SP)n，SP为年销售预估增长率，SP等于前N1年每年的线上年销售增长率的平均值，即SP=[(P1(1)-P1(2))/P1(2)+...+(P1(N1-1)-P1(N1))/P1(N1)]/(N1-1),则NP1=P1(1)*[(1+SP)+(1+SP)2+...+(1+SP)N3]；紫芦笋未来N3年的线上销售预估单价PP1为紫芦笋前N2月每月的线上月销售单价的加权平均值，则PP1=[P4(1)*P3(1)+P4(2)*P3(2)+...+P4(N2)*P3(N2)]/(P4(1)+P4(2)+...+P4(N...

【专利技术属性】
技术研发人员：史国民，
申请(专利权)人：史国民，
类型：发明
国别省市：浙江,33