[发明专利]一种基于多源异构数据的农产品销量预测系统

说明书

本发明提供一种基于多源异构数据的农产品销量预测系统，涉及农业智能生产领域。所本发明通过引入市场因子§的概念来描绘潜溺在销量数据下，市场对销量的整体影响度，通过计算市场销售的农产品的市场因子§能实现对市场画像的刻画，通过市场画像，能计算两个市场的相似度，对于相似度高的市场，可以套用已经训练好的销量预测模型，从而更加准确地选择销量预测模型来对需要进行销量预测的市场进行准确预测，且降低计算量；过引入Key_Value对照表实现了数据的快速去冗余，且降低了计算量；通过计算所有特征的特征关联度，并对他们进行特征关联度排序，从而排除了影响销量较小的特征，降低了销量预测模型训练的训练量，并保证了预测的准确度。

技术领域

本发明涉及农业智能生产领域，尤其涉及一种基于多源异构数据的农产品销量预测系统。

背景技术

构建优质的农产品供应链是保证人民吃上新鲜、优质、实惠、放心农产品的关键所在，为此，国家投入大量资金构建“菜篮子”工程，旨在保证农产品供应链的稳定、优质。

在农产品的产销过程中，会伴随产生海量的数据，这些数据以各种形式保存在各个环节中，这些数据统称为多源异构数据，在过去，多源异构数据被视为无用且臃肿的数据，是人们难以割舍却又不得不割舍的数据资料，但随着时代发展，大数据处理技术的日趋成熟，多源异构数据变成了人类的宝贵财富，人们可以通过多源异构数据训练人工智能AI，多源异构数据是机器学习、人工智能、人脸识别、事态推测的基础，对于农产品的产销过程中产生的多源异构数据，人们也在积极寻找处理利用的方法。

申请号为CN201710291312.6的发明公开了一种基于互联网和大数据的农产品产销服务系统，包括：基础数据层，进行粮食、蔬菜、水果、畜产品的市场数据的采集存储；数据处理层，通过模型算法库对上传的数据进行加工、处理、聚类和分类，将处理后的数据采用分布式存储，构建基本的数据仓库；应用层，通过平台技术的整合，将数据仓库里的数据经行特征提取构建向量空间模型，并通过匹配推荐算法库与用户兴趣模型经行匹配，将匹配结果通过系统进行下一步的报送工作；展示层，通过媒体中介工具，将测报结果传送至农户、政府机构、科研机构以及消费者。但是该发明未对销量进行预测，从而指导供应链进行精准的备货。

故有必要提出一种新的，能通过现有历史数据对未来农产品销量做出准确预测的，能通过预测指导投放农产品的，基于多源异构数据的农产品销量预测系统。

发明内容

为解决上述技术问题，本发明提供一种基于多源异构数据的农产品销量预测系统，涉及农业智能生产领域。所述预测系统包括数据采集端、数据预处理端和销量预测模型；本发明通过引入市场因子§的概念来描绘潜溺在销量数据下，市场对销量的整体影响度，市场因子§还能作为描绘市场画像的工具，通过计算市场销售的农产品的市场因子§能实现对市场画像的刻画，通过市场画像，能计算两个市场的相似度，对于相似度高的市场，可以套用已经训练好的销量预测模型，从而更加准确地选择销量预测模型来对需要进行销量预测的市场进行准确预测，且降低计算量；过引入Key_Value对照表实现了数据的快速去冗余，且降低了计算量；通过计算所有特征的特征关联度，并对他们进行特征关联度排序，从而排除了影响销量较小的特征，降低了销量预测模型训练的训练量，并保证了预测的准确度。

本发明提供的一种基于多源异构数据的农产品销量预测系统，包括数据采集端、数据预处理端和销量预测模型；

所述数据采集端用于采集预测区域内所有农产品销售网点的历史数据作为训练样本集；

所述数据预处理端将训练样本集中的数据进行预处理，并将预处理后的数据分为参考集和特征集；

所述特征集用于训练销量预测模型，训练销量预测模型的给出的预测结果通过参考集来验证预测精准度；

所述销量预测模型为基于XGBoost的预测模型，能通过输入参考集和特征集进行模型训练，并构造用于预测农产品销量的销量预测模型。