[發明專利]一種農產品價格預測方法及系統

在審

• 申請號: 201711086359.5
• 申請日: 2017-11-07
• 公開（公告）號: CN107730052A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 許世衛;莊家煜;李干瓊;劉佳佳;王東杰
• 申請（專利權）人: 中國農業科學院農業信息研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06Q50/02;G06N3/04;G06N3/08
• 代理公司: 北京高沃律師事務所11569
• 代理人: 王戈

技術領域

本發明涉及農產品價格預測領域，特別是涉及一種農產品價格預測方法及系統。

背景技術

近年來，我國農產品價格的波動頻率、幅度不斷加劇，主要是受短時供求關系、資本炒作、養殖成本、自然災害等因素的影響。農產品價格的劇烈波動不僅給涉農企業和農民帶來巨大影響，也影響著宏觀經濟運行和居民生活消費。農產品價格問題已引起人們的高度重視和廣泛研究，其中提高對農產品價格預測的及時性與準確性至關重要。

隨著科技的發展，價格預測的模型和方法已有了顯著的改進與提高。然而，尚沒有一個模型能對實際價格變化擬合得非常緊密，關于價格預測的方法仍然存在許多爭論。常規的農產品價格預測方法如ARIMA模型、向量自回歸(VAR)模型、時間序列的自回歸、灰色系統預測、組合預測等，均難以處理多維的農產品價格關聯數據，影響農產品價格預測的及時性與準確性。

發明內容

本發明的目的是提供一種農產品價格預測方法及系統，用來解決現有技術中難以處理多維的農產品價格關聯數據，影響農產品價格預測的及時性與準確性的問題。

為實現上述目的，本發明提供了如下方案：

一種農產品價格預測方法，包括：

獲取歷史農產品數據以及歷史輔助指標數據；

對所述歷史農產品數據進行預處理，獲得歷史多維時間序列數據；

通過所述歷史輔助指標數據以及所述歷史多維時間序列數據對長短時記憶循環神經網絡模型進行訓練，得到訓練模型；

獲取當前農產品數據以及當前輔助指標數據；

對所述當前農產品數據進行預處理，獲得當前多維時間序列數據；

將所述當前輔助指標數據以及所述當前多維時間序列數據輸入到所述訓練模型中，得到農產品預測價格。

可選的，所述歷史農產品數據具體包括：歷史農產品的存儲量、出售量、調入量、批發量和市場價格；所述當前農產品數據具體包括：當前農產品的存儲量、出售量、調入量、批發量和市場價格。

可選的，所述歷史輔助指標數據包括歷史投入收益率和歷史生產價格彈性數據；所述當前輔助指標數據包括當前投入收益率和當前生產價格彈性數據。

可選的，對農產品數據進行預處理，獲得多維時間序列數據，具體包括：

對農產品數據進行歸約處理，得到預處理數據；

按照時間排列，將所述預處理數據整理成數據段，得到多維時間序列數據。

可選的，所述輸出結果包括價格輸出結果和輔助輸出結果，所述輔助輸出結果用于判斷所述價格輸出結果是否正確。

可選的，所述通過所述歷史輔助指標數據以及所述歷史多維時間序列數據對長短時記憶循環神經網絡模型進行訓練，得到訓練模型，具體包括：

將所述歷史輔助指標數據以及所述歷史多維時間序列數據輸入到所述長短時記憶循環神經網絡模型中，得到價格輸出以及輔助輸出；

根據所述輔助輸出判斷所述價格輸出是否正確，得到判斷結果；

當所述判斷結果表示所述價格輸出不正確時，調整所述長短時記憶循環神經網絡模型的參數，重新將所述歷史輔助指標數據以及所述歷史多維時間序列數據輸入到所述長短時記憶循環神經網絡模型中；

當所述判斷結果表示所述價格輸出正確時，完成對所述長短時記憶循環神經網絡模型的訓練。

本發明還提供了一種農產品價格預測系統，包括：

第一獲取模塊，用于獲取歷史農產品數據以及歷史輔助指標數據；

第一預處理模塊，用于對所述歷史農產品數據進行預處理，獲得歷史多維時間序列數據；

訓練模塊，用于通過所述歷史輔助指標數據以及所述歷史多維時間序列數據對長短時記憶循環神經網絡模型進行訓練，得到訓練模型；

第二獲取模塊，用于獲取當前農產品數據以及當前輔助指標數據；

第二預處理模塊，用于對所述當前農產品數據進行預處理，獲得當前多維時間序列數據；

輸出模塊，用于將所述當前輔助指標數據以及所述當前多維時間序列數據輸入到所述訓練模型中，得到農產品預測價格。

可選的，所述第一獲取模塊具體用于獲取歷史農產品的存儲量、出售量、調入量、批發量和市場價格，獲取歷史投入收益率和歷史生產價格彈性數據；

所述第二獲取模塊具體用于獲取當前農產品的存儲量、出售量、調入量、批發量和市場價格；獲取當前投入收益率和當前生產價格彈性數據。

可選的，所述第一預處理模塊，具體包括：第一歸約處理單元，用于對所述歷史農產品數據進行歸約處理，得到歷史預處理數據；