粮食作物用种需求量预测方法、电子设备和存储介质

技术领域

本申请属于粮食种植领域，尤其涉及一种粮食作物用种需求量预测方法、电子设备和存储介质。

背景技术

粮食安全始终是关系经济发展、社会稳定的全局性重大问题，保证粮食产量作为实现粮食安全的重要手段，其重要性不言而喻，然而土地资源和水资源紧缺、适龄劳动人口数量下降、生产成本提高、分散的产粮方式均会对粮食产量形成约束。因此对粮食数据与信息服务，如何应对市场形势变化、外部环境不确定性、国内外政策影响等提出了更高的服务要求。为响应此目标，需要有全局性、预见性、前瞻性的中长期粮食用种需求量预测数据服务支持，然而目前对粮食用种需求量预测中，通常只对影响粮食的用种量的因素的影响值进行粗略的估算，并没有根据历年数据对影响因素进行详细的分析以及筛选，预测结果精度不高。

发明内容

有鉴于此，本申请实施例所解决的技术问题之一在于提供一种粮食作物用种需求量预测方法、电子设备和存储介质，用以尽量克服或避免上述问题。

基于上述目的，本申请提供一种粮食作物用种需求量预测方法，包括：根据粮食作物的历史趋势产量预测得到预测趋势产量，所述预测趋势产量代表除短期波动的因素以外的其他因素对粮食作物收获后单位面积的产量贡献的总和；基于逐步回归法对预设的至少两个所述影响因子进行筛选操作，得到筛选后的至少一个目标因子，所述影响因子为影响单位面积用种量的因子；根据所述预测趋势产量计算所述目标因子的数值，并根据所述历史趋势产量以及历史单位面积用种量计算所述目标因子的权重；根据所述目标因子的数值与权重预测单位面积用种需求量。

可选地，所述根据粮食作物的历史趋势产量预测得到预测趋势产量，包括：根据若干个所述粮食作物的历史趋势产量建立回归方程；利用所述回归方程模拟出所述预测趋势产量。

可选地，所述基于逐步回归法对预设的至少两个所述影响因子进行筛选操作，得到筛选后的至少一个目标因子，包括：根据至少两个所述影响因子构建所述单位面积用种量的回归方程；基于逐步回归法，利用T检测、R方计算、赤池信息量准则中的至少一个对所述回归方程中的所述影响因子进行筛选操作，得到筛选后的至少一个目标因子。

可选地，所述根据所述影响因子假定所述单位面积用种量的回归方程，公式如下：

Y

其中，Y

可选地，所述根据所述影响因子假定所述单位面积用种量的回归方程后，所述方法还包括：对所述单位面积用种量的回归方程中过滤掉的所述影响因子进行剔除，得到单位面积用种量的计算方程。

可选地，所述根据所述预测趋势产量计算所述目标因子的数值，并根据所述目标因子的数值以及历史单位面积用种量计算所述目标因子的权重，包括：根据所述预测趋势产量计算多个所述目标因子的数值；根据所述历史趋势产量计算多个所述目标因子的历史数值；将所述历史单位面积用种量以及多个所述目标因子的历史数值代入所述单位面积用种量的计算方程计算所述目标因子的权重。

可选地，所述方法还包括：根据所述粮食作物的历史种粮收益与历史生产补贴计算市场因子，所述市场因子是指在市场中可以引起对粮食作物产品需要的相关因子；根据历史播种面积以及所述市场因子进行预测得到预测播种面积；根据所述单位面积用种量和所述预测播种面积计算粮食作物用种需求量，所述粮食作物用种需求量为所述单位面积用种量和所述预测播种面积之积。

本申请实施例还提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上所述方法对应的操作。

本申请实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例所述的方法。

由以上技术方案可见，响应于接收到的粮食作物用种预测请求，获得粮食作物的历史趋势产量，根据粮食作物的历史趋势产量预测得到预测趋势产量，再基于逐步回归法对预设的至少两个影响因子进行筛选操作，得到筛选后的至少一个目标因子，根据预测趋势产量计算目标因子的数值，并根据历史趋势产量以及历史单位面积用种量计算目标因子的权重，根据目标因子的数值与权重预测单位面积用种需求量，通过对影响因子进行详细的分析以及筛选，选择出了对单位面积用种量影响较大的因素，并对其进行加权计算单位面积用种需求量，计算结果精度较高，能够较好的为分析粮食需求状态、稳定粮食安全等提供数据服务。

附图说明

为了更清楚地说明本申请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申请实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本申请实施例一的一种粮食作物用种需求量预测方法的流程图；

图2为本申请实施例二的一种粮食作物用种需求量预测方法的流程图；

图3为本申请实施例三的一种粮食作物用种需求量预测方法的流程图；

图4为本申请实施例四的一种电子设备的结构示意图。

具体实施方式

为了使本领域的人员更好地理解本申请实施例中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本申请实施例保护的范围。

需要说明的是，实施本申请实施例的任一技术方案必不一定需要同时达到以上的所有优点。下面结合本申请实施例附图进一步说明本申请实施例具体实现。

实施例一

图1为本申请实施例的一种粮食作物用种需求量预测方法的流程图，如图1所示，该粮食作物用种需求量预测方法包括如下步骤：

S101、响应于接收到的粮食作物用种预测请求，获得粮食作物的历史趋势产量；

S102、根据粮食作物的历史趋势产量预测得到预测趋势产量；

S103、基于逐步回归法对预设的至少两个影响因子进行筛选操作，得到筛选后的至少一个目标因子；

S104、根据预测趋势产量计算目标因子的数值，并根据历史趋势产量以及历史单位面积用种量计算目标因子的权重；

S105、根据目标因子的数值与权重预测得到单位面积用种需求量，并返回单位面积用种量。

具体地，粮食作物是指以收获成熟果实为目的，经去壳、碾磨等加工程序而成为人类基本食粮的一类作物，主要分为谷类作物(包括稻谷、小麦、大麦、燕麦、玉米、谷子、高粱等)、豆类作物(包括大豆、蚕豆、豌豆、绿豆、小豆等)和薯类作物(包括甘薯、马铃薯、木薯等)。预测趋势产量代表除短期波动的因素以外的其他因素对粮食作物收获后单位面积的产量贡献的总和，其中，短期波动为偶然因素导致的，其时间演变欠稳定且对产量的影响变化幅度较大，且不能准确判断其对产量的影响值，其中偶然因素可以为由于极端天气、病虫害等。

优选地，根据粮食作物的历史趋势产量预测得到预测趋势产量，可以先根据若干个粮食作物的历史趋势产量建立回归方程，回归方程如下：

w＝ε

定义：

其中，ε

根据粮食作物的历史趋势产量计算出回归方程的系数，进而预测得到预测趋势产量。需要说明的是，本实施例中的时间一般是以年为单位，当然，也可以以其他例如5年为单位，这些均在本申请的保护范围内。

具体地，影响因子为影响单位面积用种量的因子，例如技术变革因素、温度因素、土壤湿度因素、播种时间等，由于很多影响因子对单位面积用种量的数值影响不大，且影响因子对不同地域的影响程度也是不同的，为了便于分析与计算，应对影响因子进行筛选，选择出对单位面积用种量数值影响较大的目标因子，对影响因子的筛选，可以采用逐步回归方法中的向后剔除法来消除影响因子中的不显著的影响因子，其中，逐步回归分析方法的基本思路是自动从大量可供选择的变量中选取最重要的变量，将自变量逐个引入，引入的条件是其偏回归平方和经检验后是显著的。同时，每引入一个新的自变量后，要对旧的自变量逐个检验，剔除偏回归平方和不显著的自变量。这样一直边引入边剔除，直到既无新变量引入也无旧变量删除为止，使得最后保留在模型中的变量都是重要的。以保证最后所得到的目标因子是最优的。需要说明的是，对影响因子的筛选页可以采用边际分析法、解释结构模型法等，本实施例对此不做限定。

具体地，根据预测趋势产量计算目标因子的数值，影响单位面积用种量的因素同样对趋势产量也产生影响，因此可以根据历年的趋势产量计算得出影响单位面积用种量的目标因子的历年的数值，再将上述数值代入历史目标因子与历史单位面积用种量的回归方程中，可以计算出各个目标因子在回归方程中的系数，也就是目标因子的权重，再将目标因子的数值进行加权计算就可以得到预测的单位面积用种量。这里需要说明的是，通过计算得到的预测单位面积用种量为理论的数据，在实际播种时，考虑到种子自身的发芽率等，实际播种的种子数量应比预测单位面积用种量高20％左右。

由以上技术方案可见，响应于接收到的粮食作物用种预测请求，获得粮食作物的历史趋势产量，根据粮食作物的历史趋势产量预测得到预测趋势产量，再基于逐步回归法对预设的至少两个影响因子进行筛选操作，得到筛选后的至少一个目标因子，根据预测趋势产量计算目标因子的数值，并根据历史趋势产量以及历史单位面积用种量计算目标因子的权重，根据目标因子的数值与权重预测单位面积用种需求量，通过对影响因子进行详细的分析以及筛选，选择出了对单位面积用种量影响较大的因素，并对其进行加权计算单位面积用种需求量，计算结果精度较高，能够较好的为分析粮食需求状态、稳定粮食安全等提供数据服务。

实施例二

图2为本申请实施例的一种粮食作物用种需求量预测方法的流程图，与上述实施例不同的是，本实施例中构建了单位面积用种量的回归方程，并对影响因子进行筛选，如图2所示，该粮食作物用种需求量预测方法包括如下步骤：

S201、响应于接收到的粮食作物用种预测请求，获得粮食作物的历史趋势产量；

S202、根据粮食作物的历史趋势产量预测得到预测趋势产量；

S203、根据至少两个影响因子构建单位面积用种量的回归方程；

S204、对回归方程中的影响因子进行筛选操作，得到筛选后的至少一个目标因子；

S205、对单位面积用种量的回归方程中过滤掉的影响因子进行剔除，得到单位面积用种量的计算方程；

S206、根据预测趋势产量计算多个目标因子的数值；

S207、根据历史趋势产量计算多个目标因子的历史数值；

S208、将历史单位面积用种量以及多个目标因子的历史数值代入单位面积用种量的计算方程计算目标因子的权重；

S209、根据目标因子的数值与权重预测得到单位面积用种需求量，并返回单位面积用种量。

具体地，根据至少两个影响因子构建单位面积用种量的回归方程，利用回归方程中的线性回归方程模拟出多组影响因子分别对单位面积用种量的影响关系，建模速度快，不需要很复杂的计算，在数据量大的情况下依然计算速度很快，其公式如下：

Y

其中，Y

接下来，采用逐步回归方法中的向后剔除法来消除影响因子中的不显著的影响因子，这里可以利用T检测、R方计算、赤池信息量准则中的至少一个对回归方程中的影响因子进行筛选操作，得到筛选后的至少一个目标因子。

其中，T检测是用T分布理论来推论差异发生的概率，从而检验一个样本平均数与一个已知的总体平均数的差异是否显著，单总体t检验统计量为：

其中,n为样本数，x

例如，检测吉林省某大豆产地的温度因素是否可以作为目标因子，首先从国家统计局获取了2016年1月至2018年10月中选取的30个月的平均气温作为样本，则n为30，计算出

首先建立假设，H

将上述公式代入单总体t检验统计量公式中，由此计算出t＝-40.17，设以0.05为显著性水平，查t值表，查得临界值t

R方计算是为了度量拟合优度，它的统计量是R

可决系数的公式为：

其中

例如，影响因子为技术变革因素，可以利用R方计算来检测，假定最终结果为R

赤池信息量准则(Akaike Information Criterion，AIC)是衡量统计模型拟合优良性的一种标准，其利用了“熵最大化原理”，方法是寻找可以最好地解释数据但包含最少自由参数的模型,该方法建立在信息论中的熵概念之上，AIC越小，模型越好，通常选择AIC最小的模型。它的假设条件是模型的误差服从独立正态分布。

其中：k是所拟合模型中参数的数量，l是对数似然值,n是样本数量。k小意味着模型简洁，l大意味着模型精确，样本数越多，AIC值越小，模型越好。优先考虑的模型应是AIC值最小的那一个。

需要说明的是，本实施例不限定对影响因子进行筛选的方法，具体筛选方法依据实际情况而定。

优选地，对影响因子进行筛选得到目标因子之后，将过滤掉的影响因子从单位面积用种量的回归方程中剔除，得到单位面积用种量的计算方程。再根据预测产量趋势计算目标因子的数值，假定目标因子为技术变革因素，则可以假定公式为：

其中，X

同理，根据历史趋势产量计算多个目标因子的历史数值，将各个目标因子的历史数值以及历史单位面积用种量代入单位面积用种量的计算方程计算各个目标因子的权重，并计算出单位面积用种量的计算方程中的常数项，最后，再将预测的目标因子数值代入单位面积用种量的计算方程中，预测得到单位面积用种需求量，并返回所述单位面积用种量。

由以上技术方案可见，通过影响因子构建单位面积用种量的回归方程，再对回归方程中的影响因子进行筛选，根据筛选结果对单位面积用种量的回归方程中过滤掉的影响因子进行剔除，得到单位面积用种量的计算方程，再将由历史趋势产量计算得到的多个目标因子的历史数值以及历史单位面积用种量计算得到目标因子的权重，通过对影响因子进行详细的分析以及筛选，选择出了对单位面积用种量影响较大的因素，在计算结果较为精确的同时减少了计算量，利用回归方程对单位面积用种量进行计算，能精确地描述数据之间的关系且无需复杂的计算公式，建模迅速、过程简单实现容易。

实施例三

图3为本申请实施例的一种粮食作物用种需求量预测方法的流程图，与上述实施例不同的是，本实施例中对播种面积进行了预测，并根据单位面积用种量和预测播种面积得到了粮食作物用种需求量，如图3所示，该粮食作物用种需求量预测方法包括如下步骤：

S301、响应于接收到的粮食作物用种预测请求，获得粮食作物的历史趋势产量；

S302、根据粮食作物的历史趋势产量预测得到预测趋势产量；

S303、基于逐步回归法对预设的至少两个影响因子进行筛选操作，得到筛选后的至少一个目标因子；

S304、根据预测趋势产量计算目标因子的数值，并根据历史趋势产量以及历史单位面积用种量计算目标因子的权重；

S305、根据目标因子的数值与权重预测单位面积用种需求量，并返回单位面积用种量；

S306、根据粮食作物的历史种粮收益与历史生产补贴计算市场因子；

S307、根据历史播种面积以及市场因子进行预测得到预测播种面积；

S308、根据单位面积用种量和预测播种面积计算粮食作物用种需求量。

具体地，种粮收益是指农户的种粮净利润，种粮收益和对于种粮的生产补贴这类市场因素都能有效地调动农户的种粮积极性，直接对粮食作物的播种面积造成影响，

具体地，一般通过控制粮食收购价格来调控粮食作物市场的供求关系以及对粮食产业的扶持，鼓励或限制畜牧业、食品加工业、生物燃料产业的发展，从而影响粮食的消费情况，进而对粮食作物的播种面积造成影响。因此，粮食的播种面积并不是一成不变的，其与整个粮食市场的供求平衡状态等是息息相关的。所以在播种面积的公式中应加入市场因子作为调节系数，其中，粮食作物的历史种粮收益以及历史生产补贴是最重要的市场因子，一般某一粮食作物前一年的种粮收益以及生产补贴都与该粮食作物下一年的播种面积正相关，即种粮收益以及生产补贴高意味着下一年的播种面积增加，其播种面积的计算公式如下：

S

其中,S

其中，市场因子可以根据粮食作物的历史种粮收益的种粮收益因子以及历史生产补贴的生产补贴因子计算，其计算公式如下：

其中，μ

具体地，对于某一地区的某一粮食作物来说，计算其单位面积用种量以及预测播种面积之后，应计算总的粮食作物用种需求量，其中，单位面积一般以亩、公顷等为单位，用种量一般以公斤、吨、担等为单位，则粮食作物用种需求量公式如下:

Z

其中，Z

需要说明的是，实际的粮食作物用种需求量除了要考虑到种子自身的发芽率等还要考虑种子的培育过程中发生的损耗，储存和运输过程出现的损耗，以及种子入库到出库过程中，在安全贮藏水分内的自然蒸发，倒垛尘杂的扬弃以及多次抽样检验、检斤误差等而发生的自然减量。

由以上技术方案可见，不仅通过对影响因子进行详细的分析以及筛选，选择出了对单位面积用种量影响较大的因素预测单位面积用种需求量，计算单位面积用种需求量，根据粮食作物的历史种粮收益与历史生产补贴计算市场因子，再结合历史播种面积进行预测得到预测播种面积，考虑到市场因素对播种面积的影响，能得到较为准确的预测播种面积，提高了粮食作物用种需求量预测的准确度。

实施例四

图4为本申请实施例的一种电子设备的结构示意图，本申请具体实施例并不对电子设备的具体实现做限定。

该电子设备可以包括：处理器(processor)402、通信接口(CommunicationsInterface)404、存储器(memory)406、以及通信总线408。

其中：

处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。

通信接口404，用于与其它电子设备或服务器进行通信。

处理器402，用于执行程序410，具体可以执行上述方法实施例中的相关步骤。

具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。

处理器402可能是CPU，或者是特定集成电路ASIC(Application SpecificIntegrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。

存储器406，用于存放程序410。存储器406可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

程序410具体可以用于使得处理器402执行前述多个方法实施例中任一实施例所描述的方法对应的操作。

程序410中各步骤的具体实现可以参见上述方法实施例中的相应步骤和单元中对应的描述，并具有相应的有益效果，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。

本申请实施例还提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述多个方法实施例中的任一方法对应的操作。

需要指出，根据实施的需要，可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本申请实施例的目的。

上述根据本申请实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如CD、ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如ASIC或FPGA)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，RAM、ROM、闪存等)，当软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的方法。此外，当通用计算机访问用于实现在此示出的方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的方法的专用计算机。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请实施例的范围。

以上实施方式仅用于说明本申请实施例，而并非对本申请实施例的限制，有关技术领域的普通技术人员，在不脱离本申请实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本申请实施例的范畴，本申请实施例的专利保护范围应由权利要求限定。