基于机器学习的中药材供求关系预测方法、装置和介质制造方法及图纸

本发明专利技术公开了一种基于机器学习的中药材供求关系预测方法，包括:获取各个中药材产区的历年生态环境数据集和历年产量数据集，将数据集输入至基于注意力机制的CNN

【技术实现步骤摘要】
基于机器学习的中药材供求关系预测方法、装置和介质


[0001]本专利技术属于神经网络
，具体涉及一种基于机器学习的药材供求关系预测方法、装置和介质。

技术介绍

[0002]中药饮片行业的源头在于中药材的种植，而中药材最为特殊的经济农作物，大多中药材的生长周期都长于普通农作物，因此受到其所在生态环境的影响也远大于普通农作物，且不同药材受其产地的种植条件影响可能也不同。而若是药材产地当期的种植受到了恶劣生态环境的侵害，整个中药饮片产业链的产量、销量和价格都会受到很大的波动。
[0003]现有技术中，对于中药饮片行业的生产经营更多的是依靠从业者的经验和信息渠道进行人工判断，预测某类药材的产量和销量，从而选择囤货或者清库存。而这种人工判断的方式，对整个产业链的经营都带来了极大的不确定性，甚至会因为某些厂商的恶意囤货，给整个产业链都带来恶性影响。
[0004]因此，对于中药饮片原材料产量以及产品销量的准确预测，对于中药行业从业者的稳定经营具有重要意义。

技术实现思路

[0005]本专利技术的目的是提供一种基于机器学习本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的中药材供求关系预测方法，其特征在于，包括:获取各个中药材产区的历年生态环境数据集和历年产量数据集，将所述历年生态环境数据集和所述历年产量数据集输入至基于注意力机制的CNN
‑
LSTM网络模型中进行训练；其中，所述历年生态环境数据集包括历年天气数据和历年土壤数据；利用训练好的基于注意力机制的CNN
‑
LSTM网络模型对下一年的中药材产量数据进行预测；获取中药材的历年销量数据集，将所述历年销量数据输入至混合预测模型，对下一年的中药材销量数据进行预测；根据预测得到的下一年的中药材产量数据和下一年的中药材销量数据，确定下一年的中药材的产量与销量的供求关系。2.根据权利要求1所述的基于机器学习的中药材供求关系预测方法，其特征在于，在将所述历年生态环境数据集和所述历年产量数据集输入至基于注意力机制的CNN
‑
LSTM网络模型中进行训练之前，所述方法还包括：对所述历年生态环境数据集进行归一化预处理，以使所述历年生态环境数据集中的各样本数据的方差一致。3.根据权利要求1所述的基于机器学习的中药材供求关系预测方法，其特征在于，将所述历年生态环境数据集和所述历年产量数据集输入至基于注意力机制的CNN
‑
LSTM网络模型中进行训练，包括：将所述历年天气数据输入至CNN
‑
W模型，以使所述CNN
‑
W模型通过一维卷积来捕捉天气数据的时间依赖性，并提取天气特征；将所述历年土壤环境输入至CNN
‑
S模型，以使所述CNN
‑
S模型通过一维卷积来捕捉地下不同深度测量的土壤数据的空间依赖性，并提取土壤特征；利用CNN网络的全连接层将所述天气特征和所述土壤特征进行结合，得到所述全连接层的输出；将所述全连接层的输出和所述历年产量数据集输入至LSTM网络单元中，并基于注意力机制对全连接层的输出和所述历年产量数据集进行特征选择。4.根据权利要求1所述的基于机器学习的中药材供求关系预测方法，其特征在于，将所述历年销量数据输入至混合预测模型，对下一年的中药材销量数据进行预测，包括：建立ARIMA模型，将所述历年销量数据的序列输入至所述ARIMA模型，利用所述ARIMA模型预测获取第一预测结果和多个模型预测误差；建立基于Boosting算法的AdaBoost分类器，...

【专利技术属性】
技术研发人员：赵源，
申请(专利权)人：芸豆数字科技有限公司，
类型：发明
国别省市：