[发明专利]一种农产品预测方法和系统

权利要求书

1.一种农产品预测方法，其特征在于，所述方法包括：

获取农产品的相关数据；所述相关数据包括农产品数据、生长数据和天气数据；其中，所述生长数据包括通过基于时间序列的模型获取的所述农产品的生长质量，所述天气数据至少包括温度、光照、降雨量及所述天气波动率的一种；

利用预测模型对所述农产品的相关数据进行处理，以获取目标预测结果；所述目标预测结果至少包括所述农产品的价格和销量中的一种；

其中，所述预测模型为循环神经网络模型，通过以下方式训练得到：

获取多个训练样本，所述多个训练样本中的每个训练样本包括样本农产品的样本相关数据和标签；所述标签包括样本农产品的历史价格和历史销量；

使用所述多个训练样本训练初始预测模型，以优化所述初始预测模型的损失函数为训练目标，训练得到所述预测模型；其中，所述初始预测模型的损失函数包括正则项，所述正则项与天气波动率正相关。

2.如权利要求1所述的方法，其特征在于，所述生长数据还包括生长度，所述生长度反映了所述农产品在特定时间点的生长程度与正常程度的偏离情况。

3.如权利要求2所述的方法，其特征在于，所述生长度通过图像识别算法方式获取。

4.如权利要求1所述的方法，其特征在于，基于所述天气数据，对比标准值以获取所述天气波动率。

5.一种农产品预测系统，其特征在于，包括数据获取模块、模型获取模块和预测模块；

所述数据获取模块用于获取农产品的相关数据；所述相关数据包括农产品数据、生长数据和天气数据；其中，所述生长数据包括通过基于时间序列的模型获取的所述农产品的生长质量，所述天气数据至少包括温度、光照、降雨量及所述天气波动率的一种；

所述预测模块用于利用预测模型对所述农产品的相关数据进行处理，以获取目标预测结果；所述目标预测结果至少包括所述农产品的价格和销量中的一种；

其中，所述预测模型为循环神经网络模型，通过所述模型获取模块训练得到，所述训练包括以下方式：

获取多个训练样本，所述多个训练样本中的每个训练样本包括样本农产品的样本相关数据和标签；所述标签包括样本农产品的历史价格和历史销量；

使用所述多个训练样本训练初始预测模型，以优化所述初始预测模型的损失函数为训练目标，训练得到所述预测模型；其中，所述初始预测模型的损失函数包括正则项，所述正则项与天气波动率正相关。

6.如权利要求5所述的系统，其特征在于，所述生长数据还包括生长度，所述生长度反映了所述农产品在特定时间点的生长程度与正常程度的偏离情况。

7.如权利要求6所述的系统，其特征在于，所述生长度通过图像识别算法方式获取。

8.如权利要求5所述的系统，其特征在于，基于所述天气数据，对比标准值以获取所述天气波动率。

9.一种农产品预测装置，包括处理器，其特征在于，所述处理器用于执行如权利要求1～4任一项所述的农产品预测方法。

10.一种计算机可读存储介质，所述存储介质存储计算机指令，当计算机读取存储介质中的计算机指令后，计算机执行如权利要求1～4任一项所述的农产品预测方法。