一种农产品预测方法和系统技术方案

本说明书实施例提供一种农产品预测方法和系统。该方法包括获取农产品的相关数据。农产品的相关数据可以包括农产品数据、生长数据和天气数据。该方法还包括利用预测模型对农产品的相关数据进行处理，来获取目标预测结果。目标预测结果至少包括所述农产品的价格和销量中的一种。预测模型为循环神经网络模型。预测模型为循环神经网络模型。预测模型为循环神经网络模型。

【技术实现步骤摘要】
一种农产品预测方法和系统


[0001]本说明书涉及数据处理领域，特别涉及一种农产品预测方法和系统。

技术介绍

[0002]在当今高度信息化的时代，大数据渗透了人们社会生活的方方面面。通过适当地使用数据，人们处理日常事务变得愈发更加高效快捷。而且在一定程度上有助于人们基于现有的海量数据，预测未知事物并制定相关计划。
[0003]现阶段农产品市场预测的方法有调查分析法、经验估计法、统计分析法和相关分析预测法等。根据产品销售量的历史资料，分析和确定不同市场的农产品销售数量，可以更好地指导农业生产并适应供应需求。

技术实现思路

[0004]本说明书实施例之一提供一种农产品预测方法。所述方法包括：获取农产品的相关数据；所述相关数据包括农产品数据、生长数据和天气数据；其中，所述生长数据包括通过基于时间序列的模型获取的所述农产品的生长质量，所述天气数据至少包括温度、光照、降雨量及所述天气波动率的一种；利用预测模型对所述农产品的相关数据进行处理，以获取目标预测结果；所述目标预测结果至少包括所述农产品的价格和销量中的一种。其中，所述预测模型为循环神经网络模型，通过以下方式训练得到：获取多个训练样本，所述多个训练样本中的每个训练样本包括样本农产品的样本相关数据和标签；标签包括样本农产品的历史价格和历史销量；使用所述多个训练样本训练初始预测模型，以优化所述初始预测模型的损失函数为训练目标，训练得到所述预测模型；其中，所述初始预测模型的损失函数包括正则项，所述正则项与天气波动率正相关。
[0005]本说明书实施例之一提供一种农产品预测系统，所述系统包括数据获取模块、模型获取模块和预测模块；所述数据获取模块用于获取农产品的相关数据；所述相关数据包括农产品数据、生长数据和天气数据；其中，所述生长数据包括通过基于时间序列的模型获取的所述农产品的生长质量，所述天气数据至少包括温度、光照、降雨量及所述天气波动率的一种；所述预测模块用于利用预测模型对所述农产品的相关数据进行处理，以获取目标预测结果；所述目标预测结果至少包括所述农产品的价格和销量中的一种；其中，所述预测模型为循环神经网络模型，通过所述模型获取模块训练得到，所述训练包括以下方式：获取多个训练样本，所述多个训练样本中的每个训练样本包括样本农产品的样本相关数据和标签；标签包括样本农产品的历史价格和历史销量；使用所述多个训练样本训练初始预测模型，以优化所述初始预测模型的损失函数为训练目标，训练得到所述预测模型；其中，所述初始预测模型的损失函数包括正则项，所述正则项与天气波动率正相关。
[0006]本说明书实施例之一提供一种农产品预测装置，包括处理器，所述处理器用于执行农产品预测方法。
[0007]本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指
令，当计算机读取存储介质中的计算机指令后，计算机执行农产品预测方法。
附图说明
[0008]本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
[0009]图1是根据本说明书一些实施例所示的农产品预测系统的应用场景示意图；
[0010]图2是根据本说明书一些实施例所示的农产品预测方法的示例性流程图；
[0011]图3是根据本说明书一些实施例所示的生长质量确定方法的示例性流程图；
[0012]图4是根据本说明书一些实施例所示的生成预测模型的示意图；以及
[0013]图5是根据本说明书一些实施例所示的农产品预测系统的示例性模块图。
具体实施方式
[0014]为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
[0015]应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
[0016]如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
[0017]本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
[0018]图1是根据本说明书一些实施例所示的农产品预测系统100的应用场景示意图。
[0019]在一些实施例中，农产品预测系统100可以用于基于农产品的相关数据对产品的售价、生长、销量等进行预测。例如，农产品预测系统100可以基于农产品的相关数据对大宗农产品进行定价。又例如，农产品预测系统100可以基于农产品的相关数据获取农产品的目标预测结果。其中，所述目标预测结果可以至少包括农产品的价格和销量中的一种。
[0020]如图1所示，农产品预测系统100可以包括服务器110、网络120、图像采集设备130和存储设备140。
[0021]在一些实施例中，服务器110可以获取待预测农产品150的相关数据。所述相关数据可以包括农产品数据、生长数据和天气数据。服务器110可以利用预测模型对农产品的相关数据进行处理，以获取目标预测结果。所述目标预测结果可以至少包括所述农产品的价
格和销量中的一种。在一些实施例中，服务器110可以通过训练多个训练样本获取预测模型。
[0022]服务器110可以用于管理资源以及处理来自本系统至少一个组件或外部数据源(例如，云数据中心)的数据和/或信息。在一些实施例中，服务器110可以是单个服务器或服务器组。服务器组可以是经由接入点连接到网络120的集中式服务器组，或者经由一个或一个以上的接入点分别连接到网络120的分布式服务器组。在一些实施例中，服务器110可以本地连接到网络120或者与网络120远程连接。例如，服务器110可以经由网络120访问存储在图像采集设备130和/或存储设备140中的信息和/或数据。又例如，存储设备140可以用作服务器110的后端存储器。在一些实施例中，服务器110可以在云平台上实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布式云、中间云、多重云等，或其任意组合。
[0023]在一些实施例中，服务器110以及其他可能的系统组成部分中可以包括存储设备140。在一些实施例中，服务器110以及其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农产品预测方法，其特征在于，所述方法包括：获取农产品的相关数据；所述相关数据包括农产品数据、生长数据和天气数据；其中，所述生长数据包括通过基于时间序列的模型获取的所述农产品的生长质量，所述天气数据至少包括温度、光照、降雨量及所述天气波动率的一种；利用预测模型对所述农产品的相关数据进行处理，以获取目标预测结果；所述目标预测结果至少包括所述农产品的价格和销量中的一种；其中，所述预测模型为循环神经网络模型，通过以下方式训练得到：获取多个训练样本，所述多个训练样本中的每个训练样本包括样本农产品的样本相关数据和标签；所述标签包括样本农产品的历史价格和历史销量；使用所述多个训练样本训练初始预测模型，以优化所述初始预测模型的损失函数为训练目标，训练得到所述预测模型；其中，所述初始预测模型的损失函数包括正则项，所述正则项与天气波动率正相关。2.如权利要求1所述的方法，其特征在于，所述生长数据还包括生长度，所述生长度反映了所述农产品在特定时间点的生长程度与正常程度的偏离情况。3.如权利要求2所述的方法，其特征在于，所述生长度通过图像识别算法方式获取。4.如权利要求1所述的方法，其特征在于，基于所述天气数据，对比标准值以获取所述天气波动率。5.一种农产品预测系统，其特征在于，包括数据获取模块、模型获取模块和预测模块；所述数据获取模块用于获取农产品的相关数据；所述相关数据包括农产品数据、生长数据和天气数据；其中，所述生长数...

【专利技术属性】
技术研发人员：孙彤，黄贵恒，
申请(专利权)人：布瑞克农业大数据科技集团有限公司，
类型：发明
国别省市：