[发明专利]一种农产品产量预测方法及系统

说明书

本发明公开了一种农产品产量预测方法及系统。该方法包括：获取影响农产品产量的各影响因素的历史数据，影响因素分为短期影响因素和长期影响因素，短期影响因素对应的历史数据为日度数据或月度数据，长期影响因素对应的历史数据为季度数据或年度数据；根据短期影响因素的历史数据，采用自回归积分滑动平均模型对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；根据长期影响因素的历史数据，采用灰色模型对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输入神经网络模型，得到农产品的产量预测值。本发明具有预测精度高的特点。

技术领域

本发明涉及产量预测技术领域，特别是涉及一种农产品产量预测方法及系统。

背景技术

农产品产量和人们的日常生活息息相关，利用过去的产量数据和一系列影响因素的历史数据，对数据本身的走势及各因素的影响关系和程度进行充分挖掘，利用一定的方法和技巧，对未来产量进行预测预判，有利于国家、生产者和消费者更好地判断经济形势并作出正确决策。

现有技术中对农产品产量的预测，往往采用单一模型拟合预测，但是，影响农产品产量的因素有很多，且其频率不一，如对其运用统一的某种模型进行拟合，由于各个模型的适用性不同会导致较大误差。

目前，基于混频数据的研究很多，但多是用低频数据指标分析估计高频数据，对于缺失的数据大多通过差值、替代、模型估计等得到，所以用于分析估计的原始数据本身就是估计数据而非实际数据，再以此得到的分析预测就可能会存在误差。

发明内容

本发明的目的是提供一种农产品产量预测方法及系统，具有预测精度高的特点。

为实现上述目的，本发明提供了如下方案：

一种农产品产量预测方法，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。

可选的，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。

可选的，

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。

可选的，所述短期影响因素还包括农产品价格和生产资料价格。

本发明还提供了一种农产品产量预测系统，包括：