【技术实现步骤摘要】
本申请涉及农产品价格预测，尤其涉及一种基于物联网的农产品价格预测方法、设备及介质。
技术介绍
1、农产品价格波动是一个常见的现象，受到多种因素的影响，例如自然灾害、政策调整、市场供需关系等等。近年来，农产品价格的波动频率、幅度不断加剧，主要是受短时供求关系、养殖成本、自然灾害等因素的影响。农产品价格的剧烈波动给涉农企业和农民带来巨大影响，农产品价格问题已引起人们的高度重视和广泛研究，其中提高对农产品价格预测的准确性至关重要。
2、农产品价格的波动对农业产业链各环节都有重要影响，但预测农产品价格变动是一项复杂的任务，物联网技术的广泛应用，为农产品价格预测提供了更多实时数据来源。但是，现有的价格预测方法只考虑了单个生产环节的数据，数据覆盖不全面，从而导致预测结果偏差较大。
技术实现思路
1、本申请实施例提供了一种基于物联网的农产品价格预测方法、设备及介质，用于解决如下技术问题：现有的价格预测方法只考虑了单个生产环节的数据，数据覆盖不全面，从而导致预测结果偏差较大。
2、本申请实施例采用下述技术方案：
3、本申请实施例提供一种基于物联网的农产品价格预测方法。包括，获取农产品历史成本数据、历史收益数据以及历史价格数据；对农产品历史成本数据进行预处理与时间划分，得到多维时间序列；将多维时间序列以及历史收益数据输入预置神经网络模型进行训练，以得到第一农产品价格预测模型；将采集到的当前农产品成本数据进行预处理，以确定出不同的农产品状态分别对应的农产品成本数据，
4、本申请实施例通过对农产品历史成本数据进行预处理与时间划分，得到多维时间序列，能够基于时间顺序与农产品不同的状态，对农产品成本数据进行划分，从而在多个方面获取农产品的数据，以提高对农产品价格预测的准确性。其次，本申请实施例通过将获取到的农产品成本数据输入第一农产品价格预测模型，以及将获取到的天气信息与第一预测价格输入第二农产品价格预测模型，从而将多个不同方面的成本数据与天气信息进行结合，进而得到更为准确的价格预测结果。
5、在本申请的一种实现方式中，对农产品历史成本数据进行预处理与时间划分，得到多维时间序列，具体包括：基于不同的年份，对农产品历史成本数据进行第一次划分；确定出不同年份中的重复数据与缺失数据，将重复数据进行删除处理，以及确定出缺失数据对应的参考日期，基于不同年份分别在参考日期对应的数据，对缺失数据进行填充，以完成农产品历史成本数据的预处理；基于农产品对应的不同状态，按照不同的月份，将预处理后的数据进行第二次划分，以整理成数据段，得到多维时间序列；其中，农产品历史成本数据至少包括农产品种植成本、农产品运输成本以及农产品存储成本中的一项。
6、在本申请的一种实现方式中，基于农产品对应的不同状态，按照不同的月份，将预处理后的数据进行第二次划分，以整理成数据段，得到多维时间序列，具体包括：确定出农产品的状态；以及，确定出当前状态下的农产品所对应的月份；基于时间先后顺序，将同一年内采集到的农产品历史成本数据进行划分，并基于农产品的状态，对不同的月份进行状态标注；将相同农产品状态的月份作为一个数据段，以得到多维时间序列。
7、在本申请的一种实现方式中，将多维时间序列以及历史收益数据输入预置神经网络模型进行训练，以得到第一农产品价格预测模型，具体包括：将多维时间序列以及历史收益数据作为输入，将历史价格数据作为输出，对预置神经网络模型进行训练，以得到参考农产品价格预测模型；根据参考农产品价格预测模型输出的参考价格，判断价格输出是否符合要求；在参考价格与历史价格数据之间的差值大于预设差值阈值的情况下，调整参考农产品价格预测模型的参数，重新对参考农产品价格预测模型进行训练；直到参考价格与历史价格数据之间的差值符合预置条件，完成对预置神经网络模型的训练，得到第一农产品价格预测模型。
8、在本申请的一种实现方式中，将采集到的当前农产品成本数据进行预处理，以确定出不同的农产品状态分别对应的农产品成本数据，将预处理后的数据输入第一农产品价格预测模型，以得到第一预测价格，具体包括：确定出当前农产品成本数据对应的采集日期，以及确定出当前农产品成本数据对应的状态；基于采集日期与当前农产品成本数据对应的状态，对当前农产品成本数据进行预处理；将预处理后的数据进行时间划分，得到待测多维时间序列，并将待测多维时间序列输入第一农产品价格预测模型，以得到当前农产品成本数据对应的第一预测价格。
9、在本申请的一种实现方式中，在第二预测价格不符合预设价格指标的情况下，基于农产品成本数据生成价格调整策略，具体包括：在预测价格不符合预设价格指标的情况下，确定出输入第一农产品价格预测模型的当前农产品成本数据；基于时间先后顺序，确定出当前农产品成本数据对应的参考农产品状态；确定出参考农产品数据对应的数据指标，并将农产品成本数据与数据指标进行比对，得到比对结果；基于比对结果，确定出大于比对阈值的数据所对应的参考农产品状态，以对参考农产品状态进行成本调整，以生成价格调整策略。
10、在本申请的一种实现方式中，确定出大于比对阈值的数据所对应的参考农产品状态，以对参考农产品状态进行成本调整，以生成价格调整策略，具体包括：在参考农产品状态为生长状态的情况下，基于采集到的农产品生长情况数据与生长环境数据，对农产品进行生长成本缩减；在参考农产品状态为运输状态的情况下，基于采集到的运输距离与运输车辆信息，对农产品进行运输成本缩减；在参考农产品状态为存储状态的情况下，基于采集到的存储位置与存储环境信息，对农产品进行存储成本缩减。
11、在本申请的一种实现方式中，获取当前年份对应的天气信息，将预测价格与天气信息输入第二农产品价格预测模型，以得到第二预测价格，具体包括：基于当前年份对应的天气信息，确定出其他影响因素信息；其中，其他影响因素信息至少包括恶劣天气类型、恶劣天气持续时长以及恶劣天气影响范围中的一项；将其他影响因素信息与第一预测价格输入第二农产品价格预测模型，以得到第二预测价格。
12、本申请实施例提供一种基于物联网的农产品价格预测设备，包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：获取农产品历史成本数据、历史收益数据以及历史价格数据；对农产品历史成本数据进行预处理与时间划分，得到多维时间序列；将多维时间序列以及历史收益数据输入预置神经网络模型进行训练，以得到第一农产品价格预测模型；将采集到的当前农产品成本数据进行预处理，以确定出不同的农产品状态分别对应的农产品成本数本文档来自技高网...
【技术保护点】
1.一种基于物联网的农产品价格预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于物联网的农产品价格预测方法，其特征在于，所述对所述农产品历史成本数据进行预处理与时间划分，得到多维时间序列，具体包括：
3.根据权利要求2所述的一种基于物联网的农产品价格预测方法，其特征在于，所述基于农产品对应的不同状态，按照不同的月份，将预处理后的数据进行第二次划分，以整理成数据段，得到所述多维时间序列，具体包括：
4.根据权利要求1所述的一种基于物联网的农产品价格预测方法，其特征在于，所述将所述多维时间序列、历史收益数据以及所述历史价格数据输入预置神经网络模型进行训练，以得到第一农产品价格预测模型，具体包括：
5.根据权利要求1所述的一种基于物联网的农产品价格预测方法，其特征在于，所述将采集到的当前农产品成本数据进行预处理，以确定出不同的农产品状态分别对应的农产品成本数据，将预处理后的数据输入所述第一农产品价格预测模型，以得到第一预测价格，具体包括：
6.根据权利要求1所述的一种基于物联网的农产品价格预测方法，其特征在
7.根据权利要求6所述的一种基于物联网的农产品价格预测方法，其特征在于，所述确定出大于比对阈值的数据所对应的参考农产品状态，以对所述参考农产品状态进行成本调整，以生成所述价格调整策略，具体包括：
8.据权利要求1所述的一种基于物联网的农产品价格预测方法，其特征在于，所述获取当前年份对应的天气信息，将所述预测价格与天气信息输入第二农产品价格预测模型，以得到第二预测价格，具体包括：
9.一种基于物联网的农产品价格预测设备，其特征在于，所述设备包括：
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
...【技术特征摘要】
1.一种基于物联网的农产品价格预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于物联网的农产品价格预测方法，其特征在于，所述对所述农产品历史成本数据进行预处理与时间划分，得到多维时间序列，具体包括：
3.根据权利要求2所述的一种基于物联网的农产品价格预测方法，其特征在于，所述基于农产品对应的不同状态，按照不同的月份，将预处理后的数据进行第二次划分，以整理成数据段，得到所述多维时间序列，具体包括：
4.根据权利要求1所述的一种基于物联网的农产品价格预测方法，其特征在于，所述将所述多维时间序列、历史收益数据以及所述历史价格数据输入预置神经网络模型进行训练，以得到第一农产品价格预测模型，具体包括：
5.根据权利要求1所述的一种基于物联网的农产品价格预测方法，其特征在于，所述将采集到的当前农产品成本数据进行预处理，以确定出不同的农产品状态分别对应的农产品成本数据，将预处理后的数...
【专利技术属性】
技术研发人员：马文丽，肖雪，商广勇，马岩堂，张鹏，
申请(专利权)人：浪潮山东质量链科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。