[發明專利]基于神經網絡算法和投資組合理論的品種選擇方法和裝置

在審

• 申請號: 201611142030.1
• 申請日: 2016-12-12
• 公開（公告）號: CN106600444A
• 公開（公告）日: 2017-04-26
• 發明（設計）人: 趙宇;黃靜思;秦明;侍樂媛;張璽;許曉云;宋潔
• 申請（專利權）人: 北京大學
• 主分類號: G06Q50/02
• 分類號: G06Q50/02;G06N3/08
• 代理公司: 北京康信知識產權代理有限責任公司11240
• 代理人: 韓建偉,張永明

1.一種基于神經網絡算法和投資組合理論的品種選擇方法，其特征在于，包括：

通過基于神經網絡算法建立的產量預測模型預測可供種植品種中每個品種在不同自然條件下單獨種植在預設區域內的產量；

獲取在所述預設區域內種植所述可供種植品種的約束參數值，其中，所述約束參數值至少包括以下之一：在所述預設區域內種植的品種種類的上限值、在所述預設區域內種植的每個品種的使用比例上限值、在所述預設區域內種植的每個品種的使用比例下限值；

通過目標函數確定在所述預設區域內種植的品種組合參數的值，其中，所述目標函數基于投資組合理論確定，所述目標函數用于至少增加所述預設區域的產量期望或至少減小所述預設區域的產量方差，所述目標函數的約束條件根據所述約束參數值確定，所述目標函數的待定參數包括所述品種組合參數，所述品種組合參數包括品種組合中的品種種類及每個品種的使用比例。

2.根據權利要求1所述的方法，其特征在于，所述可供種植品種中包括第一品種，通過基于神經網絡算法建立的產量預測模型預測可供種植品種中每個品種在不同自然條件下單獨種植在預設區域內的產量，包括：

獲取所述第一品種單獨種植在其它區域的至少一個歷史產量樣本，其中，所述歷史產量樣本中包括產量及至少一個特征參數，其中，每個特征參數用于表示一個所述自然條件；

根據所述第一品種的至少一個歷史產量樣本通過所述神經網絡算法預測所述第一品種單獨種植在所述預設區域內的產量。

3.根據權利要求2所述的方法，其特征在于，根據所述第一品種的至少一個歷史產量樣本通過所述神經網絡算法預測所述第一品種單獨種植在所述預設區域內的產量包括：

通過Relief算法在所述至少一個特征參數中剔除對產量的影響權重小于預設閾值的特征參數，并將剩余的特征參數作為關鍵特征參數；

確定神經網絡模型，其中，將所述關鍵特征參數作為所述神經網絡模型的輸入自變量，并將所述至少一個歷史產量樣本作為所述神經網絡模型的訓練樣本對所述神經網絡模型進行訓練；

通過根據所述訓練樣本訓練之后得到的神經網絡模型預測所述第一品種單獨種植在所述預設區域內的產量。

4.根據權利要求3所述的方法，其特征在于，通過根據所述訓練樣本訓練之后得到的神經網絡模型預測所述第一品種單獨種植在所述預設區域內的產量包括：

獲取所述第一品種單獨種植在所述預設區域內的關鍵特征參數的值；

將所述第一品種單獨種植在所述預設區域內的關鍵特征參數的值輸入所述訓練之后得到的神經網絡模型，得到所述第一品種單獨種植在所述預設區域內的預測產量。