农产业链数据处理方法及农产业交易流量预测系统技术方案

本发明专利技术涉及数据处理技术领域，尤其涉及一种农产业链数据处理方法，包括以下步骤：针对任一产品建立最新的n次交易的交易重量序列Xi;将n次交易的发生时间t按照设定间隔分为m段，针对同一产品建立每段时间内的交易数量序列Yj;计算交易重量序列Xi的平均值；计算交易数量序列Yj的平均值，将两平均值的乘积作为所针对产品的交易流量预测依据，且以交易流量确定所针对产品的物流量。通过本发明专利技术能够有效输出可供参考的物流量指导数据。同时，本发明专利技术中还请求保护一种农产业交易流量预测系统，具有同样的技术效果。同样的技术效果。同样的技术效果。

【技术实现步骤摘要】
农产业链数据处理方法及农产业交易流量预测系统


[0001]本专利技术涉及数据处理
，尤其涉及一种农产业链数据处理方法及农产业交易流量预测系统。

技术介绍

[0002]近年来随着农业产业化的发展，在推出的众多电商类产品中，农特产品的交易占据很大比例。
[0003]在实际的交易过程中，由于农特产品的销售情况会伴随不同季节、不同种植区域和不同地区消费习惯的特点，而使得交易的情况产生波动，上述波动会造成产地针对农产品的物流量发生波动；虽然能够以往年同期的交易情况作为参考，但是仍然难以明确的对短期的物流量进行预测。
[0004]鉴于大部分农特产品需要保证新鲜的品质，因此如何合理的根据短期内可能产生的交易流量来合理安排物流运输能力，保证相匹配的物流量，成为了获得更大利润的重要途径；如何获得一种合理的数据处理方式来实现农产业交易流量的短期预测，从而确定农产品的物流量，成为了本领域技术人员所需解决的技术问题之一。

技术实现思路

[0005]本专利技术提供了一种农产业链数据处理方法及农产业交易流量预测系统，可有效解决
技术介绍
中的问题。
[0006]为了达到上述目的，本专利技术所采用的技术方案是：农产业链数据处理方法，包括以下步骤：针对任一产品建立最新的n次交易的交易重量序列Xi=［xi(1)，xi(2)
……
xi(n)］，其中，n为至少72小时的交易次数，且n≥20;将n次交易的发生时间t按照设定间隔分为m段，针对同一产品建立每段时间内的交易数量序列Yj=［yj(1)，yj(2)
……
yj(m)］;计算交易重量序列Xi的平均值，单位为公斤/次；计算交易数量序列Yj的平均值，单位为次/天；将和的乘积作为所针对产品的交易流量预测依据，且以所述交易流量确定所针对产品的物流量；所针对产品的交易流量预测模型如下：其中，A为预测系数，其计算方法包括以下步骤：建立交易重量序列Xi中各数据随时间的变化曲线，分别获取变化曲线中的峰值数据序列Xi(峰)和谷值数据序列Xi(谷)；判断峰值数据序列Xi(峰)和谷值数据序列Xi(谷)的数据数量是否均大于等于2；
若是，分别计算出两数据序列的方差和，A与正相关；若否，则A取1。
[0007]进一步地，所述设定间隔为24小时。
[0008]进一步地，还包括以下步骤：统计峰值数据序列Xi(峰)中的数据数量为n1；统计谷值数据序列Xi(谷)中的数据数量为n2；根据公式P=（n1+n2）/n，进行P值的计算；根据P值大小对下一次交易流量预测的发生时间t进行调整，其中，P值与发生时间t负相关。
[0009]进一步地，所述交易重量序列Xi=［xi(1)，xi(2)
……
xi(n)］的获取，按照所述设定间隔进行。
[0010]农产业交易流量预测系统，包括：交易重量识别模块，对农产品的交易重量进行识别及存储，且存储的内容至少包括所述交易重量大小和交易时间信息；分类模块，按照交易时间对最新的设定次数的所述交易重量进行分类，每一分类中的所述交易重量产生在设定的时间段内，且各分类的时间段连续设置；统计模块，对每个分类中的交易数量进行统计；计算模块，对设定次数的交易重量进行平均值的计算，以及对设定次数的交易重量所在的各个分类中的交易数量进行平均值的计算；预测模块，根据交易重量的平均值和交易数量的平均值对所针对产品的交易流量进行预测，且以所述交易流量确定所针对产品的物流量；所述预测模块中预存有以下预测模型：其中，A为预测系数，其计算方法包括以下步骤：所述预测模块根据所述交易重量识别模块的识别结果，建立设定次数的交易重量随时间的变化曲线；所述分类模块获取变化曲线中的峰值数据序列Xi(峰)和谷值数据序列Xi(谷)；所述统计模块判断峰值数据序列Xi(峰)和谷值数据序列Xi(谷)的数据数量是否均大于等于2；若是，则由所述计算模块分别计算出两数据序列的方差和，所述预测模块根据A与正相关而进行预测模型的更新；若否，则所述预测模块将A取1。
[0011]进一步地，所述分类模块的各分类中的所述交易重量产生在24小时的时间段内。
[0012]进一步地，所述统计模块还用于统计峰值数据序列Xi(峰)中的数据数量为n1，以及，统计谷值数据序列Xi(谷)中的数据数量为n2；所述计算模块根据公式P=（n1+n2）/n，进行P值的计算；所述分类模块根据P值大小对下一次交易流量预测中设定次数的所述交易重量所在的总时间段进行调整，其中，P值与总时间段时长负相关。
[0013]进一步地，所述分类模块分类任务的执行按照设定的所述时间段间隔进行。
[0014]通过本专利技术的技术方案，可实现以下技术效果：本专利技术中的农产业链数据处理方法应用平均的单次交易重量和单位时间内的交易次数，以二者的乘积作为交易流量的预测依据，且以交易流量确定所针对产品的物流量，有效的对现有已经获取的农产业链数据进行应用，输出可供参考的物流量指导数据，同时，本专利技术中还请求保护一种农产业交易流量预测系统，具有同样的技术效果。
附图说明
[0015]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为农产业链数据处理方法第一种实施方式的流程图；图2为交易重量序列Xi中各数据随时间的变化曲线图；图3为农产业交易流量预测系统的框架图；附图标记：01、交易重量识别模块；02、分类模块；03、统计模块；04、计算模块；05、预测模块。
具体实施方式
[0017]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0018]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0019]实施例一如图1所示，展示了农产业链数据处理方法的第一种实施方式流程图，包括以下步骤：A1：针对任一产品建立最新的n次交易的交易重量序列Xi=［xi(1)，xi(2)
……
xi(n)］，其中，n为至少72小时的交易次数，且n≥20;A2：将n次交易的发生时间t按照设定间隔分为m段，针对同一产品建立每段时间内的交易数量序列Yj=［yj(1)，yj(2)
……
yj(m)］;A3：计算交易重量序列Xi的平均值，单位为公斤/次;A4：计算交易数量序列Yj的平均值，单位为次/天;
A5：将和的乘积作为所针对产品的交易流量预测依据，且以交易流量确定所针对产品的物流量。
[0020]本专利技术中应用平均的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.农产业链数据处理方法，其特征在于，包括以下步骤：针对任一产品建立最新的n次交易的交易重量序列Xi=［xi(1)，xi(2)
……
xi(n)］，其中，n为至少72小时的交易次数，且n≥20;将n次交易的发生时间t按照设定间隔分为m段，针对同一产品建立每段时间内的交易数量序列Yj=［yj(1)，yj(2)
……
yj(m)］;计算交易重量序列Xi的平均值，单位为公斤/次；计算交易数量序列Yj的平均值，单位为次/天；将和的乘积作为所针对产品的交易流量预测依据，且以所述交易流量确定所针对产品的物流量；所针对产品的交易流量预测模型如下：其中，A为预测系数，其计算方法包括以下步骤：建立交易重量序列Xi中各数据随时间的变化曲线，分别获取变化曲线中的峰值数据序列Xi(峰)和谷值数据序列Xi(谷)；判断峰值数据序列Xi(峰)和谷值数据序列Xi(谷)的数据数量是否均大于等于2；若是，分别计算出两数据序列的方差和，A与正相关；若否，则A取1。2.根据权利要求1所述的农产业链数据处理方法，其特征在于，所述设定间隔为24小时。3.根据权利要求1所述的农产业链数据处理方法，其特征在于，还包括以下步骤：统计峰值数据序列Xi(峰)中的数据数量为n1；统计谷值数据序列Xi(谷)中的数据数量为n2；根据公式P=（n1+n2）/n，进行P值的计算；根据P值大小对下一次交易流量预测的发生时间t进行调整，其中，P值与发生时间t负相关。4.根据权利要求1所述的农产业链数据处理方法，其特征在于，所述交易重量序列Xi=［xi(1)，xi(2)
……
xi(n)］的获取，按照所述设定间隔进行。5.农产业交易流量预测系统，其特征在于，包括：交易重量识别模块，对农产品的交易重量进行识别及存储，且存...

【专利技术属性】
技术研发人员：毛霖，齐佰剑，陈海军，黄德民，
申请(专利权)人：新立讯科技股份有限公司，
类型：发明
国别省市：