农产业链数据处理方法及农产业交易流量预测系统

摘要

本发明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。通过本发明能够有效输出可供参考的物流量指导数据。同时，本发明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。

说明书

技术领域

本发明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及农产业交易流量预测系统。

背景技术

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。

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。

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。

发明内容

本发明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，可有效解决背景技术中的问题。

为了达到上述目的，本发明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

计算交易数量序列Yj的平均值

将

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

若否，则A取1。

进一步地，所述设定间隔为24小时。

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。

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。

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

预测模块，根据交易重量的平均值

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

若否，则所述预测模块将A取1。

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。

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。

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。

通过本发明的技术方案，可实现以下技术效果：

本发明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，本发明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

为了更清楚地说明本发明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发明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。

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

下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。

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发明的技术领域的技术人员通常理解的含义相同。在本发明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，不是旨在于限制本发明。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。

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

A4：计算交易数量序列Yj的平均值

A5：将

本发明中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。

其中，交易重量序列建立的目的在于覆盖短时的交易波动情况，需要满足n≥20的要求；否则，当n的数量不满足要求时，交易重量的真实波动情况无法得到反映，难以对所需的物流量做出准确的判断；另外，n的数量选择的目的在于覆盖短时的交易密度情况，当其数量较小时，对于物流量的需求也较低，因此实施本发明技术方案的效果不够明显，本发明更加适于在具有一定交易密度的阶段实施，从而有效的指导短期内的经营行为。

本发明中选择交易重量序列的数据量大于交易数量序列中的数据量，包括以下目的：

1.通过较少的交易数量数据来降低数据处理的难度；

2.通过较多的交易重量数据来更加准确的反应实际的交易情况。

在农产业的交易高峰期，对于工作人员每日能够处理的交易数量是存在上限的，即以固定的人员数量和现有人员的工作能力而言，每日能够处理的交易单数是无法无限增加的，因此交易数量的波动程度是有限的，因此可降低数据的数量来降低数据处理的难度；但是针对交易重量而言，其变动的程度是难以估计的，变化的量级可能会发生从1公斤到1000公斤的变化，因此较多的数据量是能够更加准确的反应当前阶段产品真实需求的关键。

其中，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：

B1：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)；

B2：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；

B3：若是，分别计算出两数据序列的方差

B4：若否，则A取1。

本优选方案中，提出了对于交易流量具体进行计算的模型，从而通过更加量化的 方式确定所需的物流量，通过预测系数A的设置而对

如以上实施例中所描述的农产品交易变化的量级可能会发生从1公斤到1000公斤的变化，因此在实际的交易中，难免会发生较大交易重量数据对于物流量造成较大影响的情况，以下简称此类重量数据为特殊重量；虽然上述情况在交易重量的平均值中能够得以体现，但是平均值反映的平均的程度，会削弱此类特殊重量的影响程度，从而使得最终的预测结果中降低了对于上述特殊重量的考虑程度，使得结果不够全面，综上，本发明中进行预测系数A的应用。

在实际的计算过程中，当满足n≥20时，绝大多数情况下均可满足峰值数据序列Xi(峰)和谷值数据序列Xi(谷)的数据数量大于等于2；在上述实施例中，针对变化曲线，边界点并不参与到峰值和谷值的序列中；其中，各峰值的方差反映了峰值的变化程度，从而可有效将特殊重量考虑在数据的预测过程中；而对于各谷值的方差，实际上往往是小于峰值方差的，本发明中，将其作为评判峰值方差大小的基准。

当峰值数据的方差与谷值数据的方差接近时，A值趋近于1；

当峰值数据的方差大于谷值数据的方差时，伴随二者差距的增大，说明存在相对较大的交易重量对于平均值造成影响的情况，因此通过A值的增大来对预测结果进行放大的修订，此处的相对较大是对于平均交易重量而言的；

当峰值数据的方差小于谷值数据的方差时，伴随二者差距的增大，说明存在相对较小的交易重量对于平均值造成影响的情况，因此通过A值的减小来对预测结果进行缩小的修订，同样地，此处的相对较小也是对于平均交易重量而言的。

作为上述实施例的优选，设定间隔为24小时，从而可保证交易数量不会受到一天内不同时段的影响。

在实施过程中，为了合理确定发生时间t的长短，作为上述实施例的优选，农产业链数据处理方法，还包括以下步骤：

C1：统计峰值数据序列Xi(峰)中的数据数量为n1；

C2：统计谷值数据序列Xi(谷)中的数据数量为n2；

C3：根据公式P=（n1+n2）/n，进行P值的计算；

C4：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。

具体地，当p值较小时，峰值和谷值的数量较少，因此需延长发生时间t来提高峰值和谷值的数量，从而来保证后续修订的效果；反之，当峰值和谷值数量较多时，则可适当的缩短发生时间t,来降低对于数据的处理量。

步骤C1~C4的数据来源为曲线中峰值数据和谷值数据，而输出的P值则作为发生时间t的取值依据，使得整个流量预测的过程形成了局部的闭环，保证了实时的数据更新，确保了最终结果的价值。

如图2所示，展示了交易重量序列Xi中各数据随时间的一种变化曲线形式，其中，n=20，D1~D20为不同的交易时间和交易重量所对应的20个点；其中，D7、D10、D14和D16的纵坐标参与峰值数据序列Xi(峰)，D3、D8、D13、D15和D18参与谷值数据序列Xi(谷)，可通过各个纵坐标的计算而获得方差值，其中，也可统计出n1=4、n2=5，从而计算出P值。

其中，交易重量序列Xi=［xi(1)，xi(2)……xi(n)］的获取，按照设定间隔进行；如，当设定间隔为24小时，则可同步保持24小时进行一次交易重量序列的获取，本发明中，发生时间t为预测时向前推算的时间，在每次预测时，可以是相同的，也可以是不同的，均在本发明的保护范围内。

实施例二

如图3所示，展示了一种农产业交易流量预测系统，包括：

交易重量识别模块01，对农产品的交易重量进行识别及存储，且存储的内容至少 包括交易重量大小和交易时间信息；分类模块02，按照交易时间对最新的设定次数的交易 重量进行分类，每一分类中的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，如图3中所展示的时间段1中包括的若干交易重量作为第一分类，时间段2中包括的若干 交易重量作为第二分类，以此类推，时间段m中包括的若干交易重量作为第m分类；统计模块 03，对每个分类中的交易数量进行统计，参照图3，与每个分类对应的交易数量分别为交易 数量1、交易数量2……交易数量m；计算模块04，对设定次数的交易重量进行平均值

本发明中提供了一种能够应用上述实施例中农产业链数据处理方法的系统形式，具体地，交易重量识别模块01所识别和存储的交易重量信息参与到交易重量序列Xi中，而分类模块02对交易重量识别模块01所存储的内容根据交易时间信息而划分到不同的时间段内，通过统计模块03的统计可形成每段时间内的交易数量序列Yj，计算模块04可通过采用上述方法而获得交易重量的平均值和交易数量的平均值，从而为预测模块05提供预测的依据。

本实施例中的农产业交易流量预测系统所能够实现的技术效果如上述实施例一中，此处不再赘述。

作为本实施例的优选，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：

预测模块05根据交易重量识别模块01的识别结果，建立设定次数的交易重量随时间的变化曲线；

分类模块02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)；

统计模块03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，则由计算模块04分别计算出两数据序列的方差

若否，则预测模块05将A取1。

分类模块02为本实施例中的重要模块，针对其工作方式存在以下优化：分类模块02的各分类中的交易重量产生在24小时的时间段内；以及，分类模块02分类任务的执行按照设定的时间段间隔进行，如，当时间段为24小时时，则分类模块02分类任务的执行按照24小时的间隔进行。

作为本实施例的优选，统计模块03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；计算模块04根据公式P=（n1+n2）/n，进行P值的计算；分类模块02根据P值大小对下一次交易流量预测中设定次数的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。

本实施例中各个优化方案的技术效果，均如上述实施例所述，此处不再赘述。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。