[发明专利]一种农产品预测方法和系统

说明书

本说明书实施例提供一种农产品预测方法和系统。该方法包括获取农产品的相关数据。农产品的相关数据可以包括农产品数据、生长数据和天气数据。该方法还包括利用预测模型对农产品的相关数据进行处理，来获取目标预测结果。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。预测模型为循环神经网络模型。

技术领域

本说明书涉及数据处理领域，特别涉及一种农产品预测方法和系统。

背景技术

在当今高度信息化的时代，大数据渗透了人们社会生活的方方面面。通过适当地使用数据，人们处理日常事务变得愈发更加高效快捷。而且在一定程度上有助于人们基于现有的海量数据，预测未知事物并制定相关计划。

现阶段农产品市场预测的方法有调查分析法、经验估计法、统计分析法和相关分析预测法等。根据产品销售量的历史资料，分析和确定不同市场的农产品销售数量，可以更好地指导农业生产并适应供应需求。

发明内容

本说明书实施例之一提供一种农产品预测方法。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；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。

本说明书实施例之一提供一种农产品预测系统，所述系统包括数据获取模块、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；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。

本说明书实施例之一提供一种农产品预测装置，包括处理器，所述处理器用于执行农产品预测方法。

本说明书实施例之一提供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，计算机执行农产品预测方法。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的农产品预测系统的应用场景示意图；

图2是根据本说明书一些实施例所示的农产品预测方法的示例性流程图；

图3是根据本说明书一些实施例所示的生长质量确定方法的示例性流程图；

图4是根据本说明书一些实施例所示的生成预测模型的示意图；以及

图5是根据本说明书一些实施例所示的农产品预测系统的示例性模块图。

具体实施方式