[发明专利]农产业链数据处理方法及农产业交易流量预测系统

权利要求书

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。

6.根据权利要求5所述的农产业交易流量预测系统，其特征在于，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。

7.根据权利要求5所述的农产业交易流量预测系统，其特征在于，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。

8.根据权利要求5所述的农产业交易流量预测系统，其特征在于，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。