[发明专利]一种基于贝叶斯网络的农贸市场日画像构建方法

权利要求书

1.一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：所述方法包括，

步骤1、获取农贸市场数据库中农产品进货、交易和农残值检测数据，选取数据中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同种类菜品单价和农残检测结果作为建模的特征变量；

步骤2、对步骤1中的数据进行数据清洗和整理，删除数据中缺失特征变量个数大于3的数据，并对不在合理值范围的数据进行均值替换；

步骤3、对清洗和整理完毕的数据进行特征量化；

步骤4、对步骤1中选取的特征变量进行分析，根据分析结果构建农贸市场的贝叶斯网络拓扑结构；

步骤5、根据步骤3中特征量化后的数据进行贝叶斯网络节点参数学习，形成农贸市场日画像。

2.根据权利要求1所述的一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：按照如下步骤a1～a5获取所述特征变量，

步骤a1、形成农贸市场中农产品进货、交易和农残值检测数据库，从数据库中导出对应年份的数据；

步骤a2、从步骤a1中的农产品进货数据中收集农贸市场每日的进货量和菜品种类总数；

步骤a3，从步骤a1中的农产品交易数据中收集农贸市场每日的交易量、销售量、销售金额和不同种类菜品单价；

步骤a4，从步骤a1中的农产品农残值检测数据中收集农贸市场每日的农残检测结果；

步骤a5，汇总由步骤a2～a4的数据，以便后续的数据清洗和整理工作。

3.根据权利要求2所述的一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：按照如下步骤b1～b4的方式进行所述的数据清洗和整理，

步骤b1，调取收集的农贸市场中每日的进货量、销售量、交易量、销售金额、菜品种类总数、不同种类菜品单价和农残检测结果数据；

步骤b2，删除缺失特征变量个数大于3的数据，而对缺失特征变量个数小于等于3的数据，将缺失部分采用标识符“S”代替；

步骤b3，设置各特征变量的合理值范围，并同样采用标识符“S”代替处于合理值范围之外的数据；

步骤b4，求解进货量、销售量、交易量、销售金额、菜品种类总数和不同种类菜品单价的各个均值，针对以上各特征变量中出现标识符“S”的部分，使用对应特征变量下的均值代替，同时，农残检测结果数据中出现标识符“S”的部分，使用数字0代替。

4.根据权利要求3所述的一种基于贝叶斯网络的农贸市场日画像构建方法，其特征在于：按照如下步骤c1～c4的方式进行所述的特征量化，

步骤c1，将经数据清洗和整理后的特征变量中的不同种类菜品单价转化成特征变量，即每日菜价水平，求出全年的蔬菜类菜品的菜品单价均值P₀和肉菜类菜品的菜品单价均值P₁，存在关系式

步骤c2，依次求出经数据清洗和整理后的特征变量中进货量、销售量、交易量、销售金额、菜品种类总数以及经步骤c1获取的特征变量每日菜价水平的最小值和最大值其中i＝1,2,3,4,5，6分别对应进货量、销售量、交易量、销售金额、菜品种类总数和每日菜价水平；

步骤c3，计算分段范围，其中，

表示第一段，该分段范围属于“低”量级，属于该范围的特征变量数值采用数值0代替；

表示第二段，该分段范围属于“中”量级，属于该范围的特征变量数值采用数值1代替；

表示第三段，该分段范围属于“高”量级，属于该范围的特征变量数值采用数值2代替；

步骤c4，对于经数据清洗和整理后的特征变量中的农残检测结果，分成两个范围段，数值大于0表示不安全范围，属于该范围的特征变量数值采用数值1代替，数值等于0表示安全范围，属于该范围的特征变量数值仍采用数值0代替。