基于大数据分析的农产品市场价格预警管理系统的制作方法

本技术涉及市场管理，且更为具体地，涉及一种基于大数据分析的农产品市场价格预警管理系统。

背景技术：

1、农产品是国家农业经济发展的关键产业，对于保障国家粮食安全和农民的生计具有重要意义。然而，现有的农产品市场价格分析方法大都是采用定性预测方法，即靠专家人员的经验进行分析，存在专家人员的经验丰富程度差异的问题，导致分析结果较为主观，从而无法实现统一规范的标准化农产品市场价格分析。同时凭借专家人员的经验无法通过多方面因素精确分析农产品市场价格，使得农产品市场价格预测结果的准确性较低，无法及时准确地进行农产品价格波动的预警，导致农产品市场供需的不平衡，给农产品市场的生产经营者和消费者带来很大的影响。

2、因此，期望一种优化的基于大数据分析的农产品市场价格预警管理系统。

技术实现思路

1、本技术提供一种基于大数据分析的农产品市场价格预警管理系统，其基于待预测农产品的市场交易数据和气象数据来构建农产品市场价格预测模型，以生成农产品市场价格预警信息，具体地，其通过人工智能技术来获取所述气象数据的时序动态变化特征和所述待预测农产品的市场交易数据的时序动态变化特征之间的时序协同关联特征信息的充分表达，以此来准确地进行农产品的价格预测，从而对于价格过高的农产品进行价格预警，进而确保农产品的市场价格稳定，为政府进行宏观调控和农民指定生产策略提供有力支持。

2、第一方面，提供了一种基于大数据分析的农产品市场价格预警管理系统，所述基于大数据分析的农产品市场价格预警管理系统包括：数据采集模块，用于获取预定时间段内多天的气象数据和待预测农产品的市场交易数据；独热编码模块，用于分别对所述各天的气象数据进行独热编码以得到多个气象数据独热编码向量；气象时序关联特征提取模块，用于将所述多个气象数据独热编码向量排列为一维输入向量后通过基于一维卷积神经网络模型的气象时序特征提取器以得到气象时序特征向量；市场交易时序关联特征提取模块，用于将所述预定时间段内多天的待预测农产品的市场交易数据按照时间维度排列为市场交易数据时序输入向量后通过基于一维卷积神经网络模型的市场交易数据时序特征提取器以得到市场交易时序特征向量；特征融合模块，用于使用级联函数来融合所述气象时序特征向量和所述市场交易时序特征向量以得到解码特征向量；价格预测模块，用于将所述解码特征向量通过解码器进行解码回归以得到解码值，所述解码值用于表示所述待预测农产品的价格预测值；以及，价格预警模块，用于基于所述解码值与预定阈值之间的比较，确定是否生成价格预警提示信息。

3、其中基于大数据分析的农产品市场价格预警管理系统，所述气象时序关联特征提取模块，用于：使用所述基于一维卷积神经网络模型的气象时序特征提取器的各层在层的正向传递中对输入数据分别进行：

4、对所述输入数据进行基于一维卷积核的卷积处理以得到卷积特征图；

5、对所述卷积特征图进行基于特征矩阵的池化处理以得到池化特征图；

6、对所述池化特征图进行非线性激活以得到激活特征图；

7、其中，所述气象时序特征提取器的第一层的输入为所述一维输入向量，所述气象时序特征提取器的最后一层的输出为所述气象时序特征向量。

8、其中基于大数据分析的农产品市场价格预警管理系统，所述市场交易时序关联特征提取模块，用于：使用所述基于一维卷积神经网络模型的市场交易数据时序特征提取器的各层在层的正向传递中对输入数据分别进行：

9、对所述输入数据进行基于一维卷积核的卷积处理以得到卷积特征图；

10、对所述卷积特征图进行基于特征矩阵的池化处理以得到池化特征图；

11、对所述池化特征图进行非线性激活以得到激活特征图；

12、其中，所述市场交易数据时序特征提取器的第一层的输入为所述市场交易数据时序输入向量后，所述市场交易数据时序特征提取器的最后一层的输出为所述市场交易时序特征向量。

13、其中基于大数据分析的农产品市场价格预警管理系统，所述特征融合模块，用于：使用如下级联函数来融合所述气象时序特征向量和所述市场交易时序特征向量以得到解码特征向量；

14、其中，所述级联函数为：

15、f(xi,xj)＝relu(wf[θ(xi),φ(xj)])

16、其中，xi表示所述气象时序特征向量，θ(xi)表示对所述气象时序特征向量进行点卷积，xj表示所述市场交易时序特征向量，φ(xj)表示对所述市场交易时序特征向量进行点卷积，wf表示对输入进行点卷积，relu为激活函数，[]表示拼接操作，f(xi,xj)表示所述解码特征向量。

17、其中基于大数据分析的农产品市场价格预警管理系统，还包括用于对所述基于一维卷积神经网络模型的气象时序特征提取器、所述基于一维卷积神经网络模型的市场交易数据时序特征提取器和所述解码器进行训练的训练模块。

18、其中基于大数据分析的农产品市场价格预警管理系统，所述训练模块，包括：

19、训练数据采集模块，用于获取训练数据，所述训练数据包括预定时间段内多天的训练气象数据和待预测农产品的训练市场交易数据，以及，所述待预测农产品的价格预测值的真实值；

20、训练独热编码模块，用于分别对所述各天的训练气象数据进行独热编码以得到多个训练气象数据独热编码向量；

21、训练气象时序关联特征提取模块，用于将所述多个训练气象数据独热编码向量排列为训练一维输入向量后通过所述基于一维卷积神经网络模型的气象时序特征提取器以得到训练气象时序特征向量；

22、训练市场交易时序关联特征提取模块，用于将所述预定时间段内多天的待预测农产品的训练市场交易数据按照时间维度排列为训练市场交易数据时序输入向量后通过所述基于一维卷积神经网络模型的市场交易数据时序特征提取器以得到训练市场交易时序特征向量；

23、训练特征融合模块，用于使用级联函数来融合所述训练气象时序特征向量和所述训练市场交易时序特征向量以得到训练解码特征向量；

24、解码损失模块，用于将所述训练解码特征向量通过所述解码器以得到解码损失函数值；

25、模型训练模块，用于基于所述解码损失函数值并通过梯度下降的方向传播来对所述基于一维卷积神经网络模型的气象时序特征提取器、所述基于一维卷积神经网络模型的市场交易数据时序特征提取器和所述解码器进行训练，其中，在所述训练的每一轮迭代中，对所述解码器的权重矩阵进行权重本征支持的半空间结构化约束迭代。

26、其中基于大数据分析的农产品市场价格预警管理系统，所述解码损失模块，包括：

27、训练解码单元，用于使用所述解码器以如下公式对所述训练解码特征向量进行解码回归以得到训练解码值；

28、其中，所述公式为其中，x是所述训练解码特征向量，y是所述训练解码值，w是权重矩阵，表示矩阵乘法，以及

29、损失函数计算单元，用于计算所述训练解码值和所述待预测农产品的价格预测值的真实值之间的均方差以得到解码损失函数值。

30、其中基于大数据分析的农产品市场价格预警管理系统，在所述训练的每一轮迭代中，以如下优化公式对所述解码器的权重矩阵进行权重本征支持的半空间结构化约束迭代；

31、其中，所述优化公式为：

32、

33、其中m是所述解码器的权重矩阵，ve是矩阵mtm的本征值组成的本征集合向量，和分别表示矩阵乘法和加法，m′表示迭代后的所述解码器的权重矩阵。

34、其中基于大数据分析的农产品市场价格预警管理系统，响应于所述解码值大于所述预定阈值，生成价格预警提示信息。

35、结合第一方面，在第一方面的一种实现方式中，还包括用于对所述基于一维卷积神经网络模型的气象时序特征提取器、所述基于一维卷积神经网络模型的市场交易数据时序特征提取器和所述解码器进行训练的训练模块。

36、结合第一方面，在第一方面的一种实现方式中，所述训练模块，包括：训练数据采集模块，用于获取训练数据，所述训练数据包括预定时间段内多天的训练气象数据和待预测农产品的训练市场交易数据，以及，所述待预测农产品的价格预测值的真实值；训练独热编码模块，用于分别对所述各天的训练气象数据进行独热编码以得到多个训练气象数据独热编码向量；训练气象时序关联特征提取模块，用于将所述多个训练气象数据独热编码向量排列为训练一维输入向量后通过所述基于一维卷积神经网络模型的气象时序特征提取器以得到训练气象时序特征向量；训练市场交易时序关联特征提取模块，用于将所述预定时间段内多天的待预测农产品的训练市场交易数据按照时间维度排列为训练市场交易数据时序输入向量后通过所述基于一维卷积神经网络模型的市场交易数据时序特征提取器以得到训练市场交易时序特征向量；训练特征融合模块，用于使用级联函数来融合所述训练气象时序特征向量和所述训练市场交易时序特征向量以得到训练解码特征向量；解码损失模块，用于将所述训练解码特征向量通过所述解码器以得到解码损失函数值；模型训练模块，用于基于所述解码损失函数值并通过梯度下降的方向传播来对所述基于一维卷积神经网络模型的气象时序特征提取器、所述基于一维卷积神经网络模型的市场交易数据时序特征提取器和所述解码器进行训练，其中，在所述训练的每一轮迭代中，对所述解码器的权重矩阵进行权重本征支持的半空间结构化约束迭代。

37、第二方面，提供了一种基于大数据分析的农产品市场价格预警管理方法，所述方法包括：获取预定时间段内多天的气象数据和待预测农产品的市场交易数据；分别对所述各天的气象数据进行独热编码以得到多个气象数据独热编码向量；将所述多个气象数据独热编码向量排列为一维输入向量后通过基于一维卷积神经网络模型的气象时序特征提取器以得到气象时序特征向量；将所述预定时间段内多天的待预测农产品的市场交易数据按照时间维度排列为市场交易数据时序输入向量后通过基于一维卷积神经网络模型的市场交易数据时序特征提取器以得到市场交易时序特征向量；使用级联函数来融合所述气象时序特征向量和所述市场交易时序特征向量以得到解码特征向量；将所述解码特征向量通过解码器进行解码回归以得到解码值，所述解码值用于表示所述待预测农产品的价格预测值；以及，基于所述解码值与预定阈值之间的比较，确定是否生成价格预警提示信息。

38、第三方面，提供了一种芯片，该芯片包括输入输出接口、至少一个处理器、至少一个存储器和总线，该至少一个存储器用于存储指令，该至少一个处理器用于调用该至少一个存储器中的指令，以执行第二方面中的方法。

39、第四方面，提供了一种计算机可读介质，用于存储计算机程序，所述计算机程序包括用于执行上述第二方面中的方法。

40、第五方面，提供了一种包括指令的计算机程序产品，当计算机运行所述计算机程序产品的所述指时，所述计算机执行上述第二方面中的方法。

41、本技术提供的一种基于大数据分析的农产品市场价格预警管理系统，其基于待预测农产品的市场交易数据和气象数据来构建农产品市场价格预测模型，以生成农产品市场价格预警信息，具体地，其通过人工智能技术来获取所述气象数据的时序动态变化特征和所述待预测农产品的市场交易数据的时序动态变化特征之间的时序协同关联特征信息的充分表达，以此来准确地进行农产品的价格预测，从而对于价格过高的农产品进行价格预警，进而确保农产品的市场价格稳定，为政府进行宏观调控和农民指定生产策略提供有力支持。