[发明专利]一种智能农产品数据预测方法及系统

权利要求书

1.一种智能农产品数据预测方法，其特征在于，包括：

获取农产品的历史平衡表数据；

将所述历史平衡表数据输入训练后的神经网络模型，并输出预测的预设时间段的目标平衡表数据。

2.根据权利要求1所述的智能农产品数据预测方法，其特征在于，所述神经网络模型包括：依次串联的卷积神经网络模型和长短期记忆神经网络模型；

相应的，所述历史平衡表数据包括：影响因素数据和分项数据；

所述将所述历史平衡表数据输入训练后的神经网络模型，包括：

将所述影响因素数据输入所述卷积神经网络模型，并提取因素特征数据；

将所述分项数据和所述因素特征数据的组合输入所述长短期记忆神经网络模型。

3.根据权利要求1所述的智能农产品数据预测方法，其特征在于，在所述输出预测的预设时间段的目标平衡表数据之前，还包括：

根据所述目标平衡表数据中各个分项之间的关系，使用线性回归模型对所述目标平衡表数据进行校正。

4.根据权利要求1所述的智能农产品数据预测方法，其特征在于，在所述输出预测的预设时间段的目标平衡表数据之前，还包括：

根据所述目标平衡表数据的限制条件对所述目标平衡表数据的幅度进行调整。

5.根据权利要求1所述的智能农产品数据预测方法，其特征在于，在所述将所述历史平衡表数据输入训练后的神经网络模型之前，还包括：

对所述历史平衡表数据进行预处理，所述预处理包括质量分析、异常检测、填充、转换以及归一化中的至少一种。

6.根据权利要求1所述的智能农产品数据预测方法，其特征在于，在所述获取农产品的历史平衡表数据之前，还包括：

根据用户配置确定所述农产品的品种、所述历史平衡表数据的时间段以及所述预设时间段的大小中的至少一种。

7.根据权利要求1所述的智能农产品数据预测方法，其特征在于，在所述将所述历史平衡表数据输入训练后的神经网络模型之前，还包括：

获取针对所述农产品的历史展望报告中的预测结果；

相应的，所述将所述历史平衡表数据输入训练后的神经网络模型，包括：

将所述历史平衡表数据和所述预测结果输入所述神经网络模型。

8.一种智能农产品数据预测系统，其特征在于，包括：

历史数据获取模块，用于获取农产品的历史平衡表数据；

目标数据输出模块，用于将所述历史平衡表数据输入训练后的神经网络模型，并输出预测的预设时间段的目标平衡表数据。

9.根据权利要求8所述的智能农产品数据预测系统，其特征在于，所述神经网络模型包括：依次串联的卷积神经网络模型和长短期记忆神经网络模型；

相应的，所述历史平衡表数据包括：影响因素数据和分项数据；

所述目标数据输出模块，包括：

数据提取单元，用于将所述影响因素数据输入所述卷积神经网络模型，并提取因素特征数据；

数据输入单元，用于将所述分项数据和所述因素特征数据的组合输入所述长短期记忆神经网络模型。

10.根据权利要求8所述的智能农产品数据预测系统，其特征在于，所述系统还包括：

校正模块，用于在所述输出预测的预设时间段的目标平衡表数据之前，根据所述目标平衡表数据中各个分项之间的关系，使用线性回归模型对所述目标平衡表数据进行校正。