[发明专利]一种农产品产量预测方法及系统

权利要求书

1.一种农产品产量预测方法，其特征在于，包括：

获取影响农产品产量的各影响因素的历史数据，所述影响因素分为短期影响因素和长期影响因素，所述短期影响因素对应的历史数据为日度数据或月度数据，所述长期影响因素对应的历史数据为季度数据或年度数据，所述短期影响因素包括日照量、降雨量、人均工作量、净出口量，所述长期影响因素包括播种面积、受灾面积、有效灌溉面积、单产、农用化肥施用量、农业机械总动力和农村人口数量；

根据所述短期影响因素的历史数据，采用ARIMA模型对所述短期影响因素对应的未来数据进行预测，得到短期影响因素的预测数据；

根据所述长期影响因素的历史数据，采用GM模型对所述长期影响因素的未来数据进行预测，得到长期影响因素的预测数据；

获取神经网络模型；

将所述短期影响因素对应的预测数据和所述长期影响因素对应的预测数据输入神经网络模型，得到所述农产品的产量预测值。

2.根据权利要求1所述的农产品产量预测方法，其特征在于，在所述获取神经网络模型之前，还包括：

以短期影响因素对应的预测数据和长期影响因素对应的预测数据为输入，以农作物产量的统计数据为输出，对神经网络进行训练，得到神经网络模型。

3.根据权利要求2所述的农产品产量预测方法，其特征在于，

在所述将所述短期影响因素对应的预测数据和所述长期影响因素对应的预测数据输入神经网络模型之前，还包括：对所述短期影响因素对应的预测数据进行加权算数平方处理，将处理后的短期影响因素对应的预测数据作为神经网络模型的输入；

在对神经网络模型进行训练时，作为输入的所述短期影响因素对应的预测数据为经过加权算数平方处理的数据。

4.根据权利要求1所述的农产品产量预测方法，其特征在于，所述短期影响因素还包括农产品价格和生产资料价格。

5.一种农产品产量预测系统，其特征在于，包括：

历史数据获取模块，用于获取影响农产品产量的各影响因素的历史数据，所述影响因素分为短期影响因素和长期影响因素，所述短期影响因素对应的历史数据为日度数据或月度数据，所述长期影响因素对应的历史数据为季度数据或年度数据，所述短期影响因素包括日照量、降雨量、人均工作量、净出口量，所述长期影响因素包括播种面积、受灾面积、有效灌溉面积、单产、农用化肥施用量、农业机械总动力和农村人口数量；

短期影响因素数据预测模块，用于根据所述短期影响因素的历史数据，采用ARIMA模型对所述短期影响因素对应的未来数据进行预测，得到短期影响因素的预测数据；

长期影响因素数据预测模块，用于根据所述长期影响因素的历史数据，采用GM模型对所述长期影响因素的未来数据进行预测，得到长期影响因素的预测数据；

神经网络模型获取模块，用于获取神经网络模型；

产量预测模块，用于将所述短期影响因素对应的预测数据和所述长期影响因素对应的预测数据输入神经网络模型，得到所述农产品的产量预测值。

6.根据权利要求5所述的农产品产量预测系统，其特征在于，所述系统还包括：

神经网络模型训练模块，用于以短期影响因素对应的预测数据和长期影响因素对应的预测数据为输入，以农作物产量的统计数据为输出，对神经网络进行训练，得到神经网络模型。

7.根据权利要求6所述的农产品产量预测系统，其特征在于，所述系统还包括：

短期影响因素数据第一处理模块，用于对所述短期影响因素对应的预测数据进行加权算数平方处理，将处理后的短期影响因素对应的预测数据作为神经网络模型的输入；

短期影响因素数据第二处理模块，用于在训练神经网络模型时，对作为输入的短期影响因素对应的预测数据进行加权算数平方处理。

8.根据权利要求5所述的农产品产量预测系统，其特征在于，所述短期影响因素还包括农产品价格和生产资料价格。