CN106779864A - 蔬菜价格异常的预警方法和蔬菜价格异常的预警装置 - Google Patents
蔬菜价格异常的预警方法和蔬菜价格异常的预警装置 Download PDFInfo
- Publication number
- CN106779864A CN106779864A CN201611242111.9A CN201611242111A CN106779864A CN 106779864 A CN106779864 A CN 106779864A CN 201611242111 A CN201611242111 A CN 201611242111A CN 106779864 A CN106779864 A CN 106779864A
- Authority
- CN
- China
- Prior art keywords
- price
- vegetables
- early warning
- vegetable
- average
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
Landscapes
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明提供了一种蔬菜价格异常的预警方法和蔬菜价格异常的预警装置，其中，蔬菜价格异常的预警方法包括：确定任意一种蔬菜的价格走势；根据任意一种蔬菜的价格走势，检测是否生成任意一种蔬菜的价格异常预警信息。通过本发明技术方案，通过对价格走势的监测，实现了在价格异常时，对异常价格的自动预警，从而使用户能够根据预警信息及时做出市场调整，从而能够及时抓住商机以及进行风险规避。
Description
技术领域
本发明涉及大数据技术领域，具体而言，涉及一种蔬菜价格异常的预警方法和一种蔬菜价格异常的预警装置。
背景技术
在相关技术中，通过收集大数据进行指定行业或指定信息的预测已经成为一种趋势，但是在农业中的使用还不够普遍，由于农业云不具备大数据蔬菜价格的异常监测功能，使销售人员无法根据价格异常及时调整，以致无法及时抓住商机，甚至造成经济损失。
发明内容
本发明正是基于上述技术问题至少之一，提出了一种新的蔬菜价格异常的预警方案，通过确定任意一种蔬菜的价格走势，以根据任意一种蔬菜的价格走势确定是否生成该任意一种蔬菜的价格异常预警信息，通过对价格走势的监测，实现了在价格异常时，对异常价格的自动预警，从而使用户能够根据预警信息及时做出市场调整，从而能够及时抓住商机以及进行风险规避。
有鉴于此，本发明的第一方面提出了一种蔬菜价格异常的预警方法，包括：确定任意一种蔬菜的价格走势；根据任意一种蔬菜的价格走势，检测是否生成任意一种蔬菜的价格异常预警信息。
在该技术方案中，通过确定任意一种蔬菜的价格走势，以根据任意一种蔬菜的价格走势确定是否生成该任意一种蔬菜的价格异常预警信息，通过对价格走势的监测，实现了在价格异常时，对异常价格的自动预警，从而使用户能够根据预警信息及时做出市场调整，从而能够及时抓住商机以及进行风险规避。
具体地，确定任意一种蔬菜的价格走势，可以通过市场调查确定，可以通过预测模型确定，也可以通过大数据的收集确定，在价格有走高趋势时，能够及时备货，在价格有跌落趋势时，能够将现有蔬菜及时处理，防止蔬菜由于堆积腐烂而造成损失。
在上述技术方案中，优选地，确定任意一种蔬菜的价格走势，具体包括以下步骤：实时收集多个市场中的任意一种蔬菜的蔬菜价格；根据多个市场中的任意一种蔬菜的蔬菜价格，生成任意一种蔬菜的平均价格，作为当日均价；根据当日均价以及前一日保存的当日均价，确定均价差值；根据均价差值确定价格走势。
在该技术方案中，通过实时收集多个市场中的任意一种蔬菜的蔬菜价格，以根据多个市场中的价格，计算平均值，得到平均价格，作为当日均价，将当日均价与前一日的当日均价进行比较，得到均价差值，以根据均价差值确定价格走势，通过根据多个市场中的价格生成平均价格，即根据收集到的大数据确定当日均价，以及进一步确定均价差值，得到的数据精确度高，能够准确地反映价格走势，从而使生成的价格异常预警信息可靠性更高。
具体地，以黄瓜为例，每天的价格信息包括：
“VegetableName”：“黄瓜”，“market”：“安徽合肥周谷堆农产品批发市场”，“price”：“3.9”，“province_name”：“北京市”；
每日计算出平均价格，作为当日均价，根据当日均价和前一天的当日均价求取均价差值：
当日：“VegetableName”：“黄瓜”，“mean_price”：“3.21428”，“province_name”：“北京市”；
前一日：“VegetableName”：“黄瓜”，“mean_price”：“3.4625”，“province_name”：“北京市”。
计算结果：
“涨幅”：“0.24822”，“province_name”：“北京市”，“涨幅标志”：“下跌”，“vegetablename”：“黄瓜”。
在上述任一项技术方案中，优选地，根据任意一种蔬菜的价格走势，确定是否生成任意一种蔬菜的价格异常预警信息，具体包括以下步骤：检测价格走势持续的天数是否达到预设天数阈值；在检测到价格走势持续的天数达到预设天数阈值时，生成任意一种蔬菜的价格异常预警信息；在检测到价格走势持续的天数未达到预设天数阈值时，不生成价格异常预警信息。
在该技术方案中，通过检测价格走势持续的天数是否达到预设天数阈值，以在检测到价格走势持续的天数达到预设天数阈值时，生成任意一种蔬菜的价格异常预警信息，而在检测到价格走势持续的天数未到达预设天数阈值时，不生成价格异常预警信息，通过根据同一价格走势持续的时间来确定是否生成价格异常预警信息，一方面，根据价格走势确定是否生成异常信息，并且具有跟踪性与持续性，通过设置预设天数阈值，以预设天数阈值为标准，进行跟踪，实时性更强。
具体地，以连续多日的价格走势为例：
比如：2016-11-14："涨幅":"0.24821448","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
2016-11-13："涨幅":"0.11821448","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
2016-11-12："涨幅":"0.3455","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
……
根据连续性判断异常
2016-11-14-黄瓜-下跌；
2016-11-13-黄瓜-下跌；
2016-11-12-黄瓜-下跌；
……
预警信息：黄瓜价格已经连续下跌N天，价格异常，请关注！
在上述任一项技术方案中，优选地，根据任意一种蔬菜的价格走势，确定是否生成任意一种蔬菜的价格异常预警信息，具体包括以下步骤：检测均价差值是否大于或等于预设均价差值；在检测到均价差值大于或等于预设均价差值时，生成任意一种蔬菜的价格异常预警信息；在检测到均价差值小于预设均价差值时，不生成价格异常预警信息。
在该技术方案中，通过检测均价差值是否大于或等于预设均价差值，以在检测到均价差值大于或等于预设均价差值时，生成蔬菜的价格异常预警信息，在检测到均价差值小于预设均价差值时，不生成蔬菜的价格异常预警信息，从而在蔬菜的价格产生突然变动时，能够及时提醒用户，以使用户及时作出市场调整，在价格突然暴跌时，能够及时清仓，降低损失，在价格突然暴涨时，分析暴涨原因，确定是入货还是观望，以便及时抓住商机。
在上述任一项技术方案中，优选地，实时收集多个市场中的任意一种蔬菜的蔬菜价格，具体包括以下步骤：实时收集指定城市内的多个市场中的任意一种蔬菜的蔬菜价格。
在该技术方案中，通过实时收集指定城市内的多个市场中的任意一种蔬菜的蔬菜价格，能够及时追踪某个城市或某个省份的蔬菜价格，从而确定某个城市或某个省份对于任意一种蔬菜是否具有价格异常作出预警，地域指导性更强。
具体地，使用VegetableName和province_name作为Key值求取蔬菜的价格均值，格式如下：
“VegetableName”:“黄瓜”，“mean_price”：“3.4625”，“province_name”：“北京市”。
本发明的第二方面还提出了一种蔬菜价格异常的预警装置，包括：确定单元，用于确定任意一种蔬菜的价格走势；检测单元，用于根据任意一种蔬菜的价格走势，检测是否生成任意一种蔬菜的价格异常预警信息。
在该技术方案中，通过确定任意一种蔬菜的价格走势，以根据任意一种蔬菜的价格走势确定是否生成该任意一种蔬菜的价格异常预警信息，通过对价格走势的监测，实现了在价格异常时，对异常价格的自动预警，从而使用户能够根据预警信息及时做出市场调整，从而能够及时抓住商机以及进行风险规避。
具体地，确定任意一种蔬菜的价格走势，可以通过市场调查确定，可以通过预测模型确定，也可以通过大数据的收集确定，在价格有走高趋势时，能够及时备货，在价格有跌落趋势时，能够将现有蔬菜及时处理，防止蔬菜由于堆积腐烂而造成损失。
在上述技术方案中，优选地，还包括：收集单元，用于实时收集多个市场中的任意一种蔬菜的蔬菜价格；生成单元，用于根据多个市场中的任意一种蔬菜的蔬菜价格，生成任意一种蔬菜的平均价格，作为当日均价；确定单元还用于：根据当日均价以及前一日保存的当日均价，确定均价差值；确定单元还用于：根据均价差值确定价格走势。
在该技术方案中，通过实时收集多个市场中的任意一种蔬菜的蔬菜价格，以根据多个市场中的价格，计算平均值，得到平均价格，作为当日均价，将当日均价与前一日的当日均价进行比较，得到均价差值，以根据均价差值确定价格走势，通过根据多个市场中的价格生成平均价格，即根据收集到的大数据确定当日均价，以及进一步确定均价差值，得到的数据精确度高，能够准确地反映价格走势，从而使生成的价格异常预警信息可靠性更高。
具体地，以黄瓜为例，每天的价格信息包括：
“VegetableName”：“黄瓜”，“market”：“安徽合肥周谷堆农产品批发市场”，“price”：“3.9”，“province_name”：“北京市”；
每日计算出平均价格，作为当日均价，根据当日均价和前一天的当日均价求取均价差值：
当日：“VegetableName”：“黄瓜”，“mean_price”：“3.21428”，“province_name”：“北京市”；
前一日：“VegetableName”：“黄瓜”，“mean_price”：“3.4625”，“province_name”：“北京市”。
计算结果：
“涨幅”：“0.24822”，“province_name”：“北京市”，“涨幅标志”：“下跌”，“vegetablename”：“黄瓜”。
在上述任一项技术方案中，优选地，检测单元还用于：检测价格走势持续的天数是否达到预设天数阈值；生成单元还用于：在检测到价格走势持续的天数达到预设天数阈值时，生成任意一种蔬菜的价格异常预警信息；生成单元还用于：在检测到价格走势持续的天数未达到预设天数阈值时，不生成价格异常预警信息。
在该技术方案中，通过检测价格走势持续的天数是否达到预设天数阈值，以在检测到价格走势持续的天数达到预设天数阈值时，生成任意一种蔬菜的价格异常预警信息，而在检测到价格走势持续的天数未到达预设天数阈值时，不生成价格异常预警信息，通过根据同一价格走势持续的时间来确定是否生成价格异常预警信息，一方面，根据价格走势确定是否生成异常信息，并且具有跟踪性与持续性，通过设置预设天数阈值，以预设天数阈值为标准，进行跟踪，实时性更强。
具体地，以连续多日的价格走势为例：
比如：2016-11-14："涨幅":"0.24821448","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
2016-11-13："涨幅":"0.11821448","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
2016-11-12："涨幅":"0.3455","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
……
根据连续性判断异常
2016-11-14-黄瓜-下跌；
2016-11-13-黄瓜-下跌；
2016-11-12-黄瓜-下跌；
……
预警信息：黄瓜价格已经连续下跌N天，价格异常，请关注！
在上述任一项技术方案中，优选地，检测单元还用于：检测均价差值是否大于或等于预设均价差值；生成单元还用于：在检测到均价差值大于或等于预设均价差值时，生成任意一种蔬菜的价格异常预警信息；生成单元还用于：在检测到均价差值小于预设均价差值时，不生成价格异常预警信息。
在该技术方案中，通过检测均价差值是否大于或等于预设均价差值，以在检测到均价差值大于或等于预设均价差值时，生成蔬菜的价格异常预警信息，在检测到均价差值小于预设均价差值时，不生成蔬菜的价格异常预警信息，从而在蔬菜的价格产生突然变动时，能够及时提醒用户，以使用户及时作出市场调整，在价格突然暴跌时，能够及时清仓，降低损失，在价格突然暴涨时，分析暴涨原因，确定是入货还是观望，以便及时抓住商机。
在上述任一项技术方案中，优选地，收集单元还用于：实时收集指定城市内的多个市场中的任意一种蔬菜的蔬菜价格。
在该技术方案中，通过实时收集指定城市内的多个市场中的任意一种蔬菜的蔬菜价格，能够及时追踪某个城市或某个省份的蔬菜价格，从而确定某个城市或某个省份对于任意一种蔬菜是否具有价格异常作出预警，地域指导性更强。
具体地，使用VegetableName和province_name作为Key值求取蔬菜的价格均值，格式如下：
“VegetableName”:“黄瓜”，“mean_price”：“3.4625”，“province_name”：“北京市”。
通过以上技术方案，通过确定任意一种蔬菜的价格走势，以根据任意一种蔬菜的价格走势确定是否生成该任意一种蔬菜的价格异常预警信息，通过对价格走势的监测，实现了在价格异常时，对异常价格的自动预警，从而使用户能够根据预警信息及时做出市场调整，从而能够及时抓住商机以及进行风险规避。
附图说明
图1示出了根据本发明的实施例的蔬菜价格异常的预警方法的示意流程图；
图2示出了根据本发明的实施例的蔬菜价格异常的预警装置的示意框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用第三方不同于在此描述的第三方方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
图1示出了根据本发明的实施例的蔬菜价格异常的预警方法的示意流程图。
如图1所示，根据本发明的实施例的蔬菜价格异常的预警方法，包括：步骤102，确定任意一种蔬菜的价格走势；步骤104，根据任意一种蔬菜的价格走势，检测是否生成任意一种蔬菜的价格异常预警信息。
在该技术方案中，通过确定任意一种蔬菜的价格走势，以根据任意一种蔬菜的价格走势确定是否生成该任意一种蔬菜的价格异常预警信息，通过对价格走势的监测，实现了在价格异常时，对异常价格的自动预警，从而使用户能够根据预警信息及时做出市场调整，从而能够及时抓住商机以及进行风险规避。
具体地，确定任意一种蔬菜的价格走势，可以通过市场调查确定，可以通过预测模型确定，也可以通过大数据的收集确定，在价格有走高趋势时，能够及时备货，在价格有跌落趋势时，能够将现有蔬菜及时处理，防止蔬菜由于堆积腐烂而造成损失。
在上述技术方案中，优选地，确定任意一种蔬菜的价格走势，具体包括以下步骤：实时收集多个市场中的任意一种蔬菜的蔬菜价格；根据多个市场中的任意一种蔬菜的蔬菜价格，生成任意一种蔬菜的平均价格，作为当日均价；根据当日均价以及前一日保存的当日均价，确定均价差值；根据均价差值确定价格走势。
在该技术方案中，通过实时收集多个市场中的任意一种蔬菜的蔬菜价格，以根据多个市场中的价格，计算平均值，得到平均价格，作为当日均价，将当日均价与前一日的当日均价进行比较，得到均价差值，以根据均价差值确定价格走势，通过根据多个市场中的价格生成平均价格，即根据收集到的大数据确定当日均价，以及进一步确定均价差值，得到的数据精确度高，能够准确地反映价格走势，从而使生成的价格异常预警信息可靠性更高。
具体地，以黄瓜为例，每天的价格信息包括：
“VegetableName”：“黄瓜”，“market”：“安徽合肥周谷堆农产品批发市场”，“price”：“3.9”，“province_name”：“北京市”；
每日计算出平均价格，作为当日均价，根据当日均价和前一天的当日均价求取均价差值：
当日：“VegetableName”：“黄瓜”，“mean_price”：“3.21428”，“province_name”：“北京市”；
前一日：“VegetableName”：“黄瓜”，“mean_price”：“3.4625”，“province_name”：“北京市”。
计算结果：
“涨幅”：“0.24822”，“province_name”：“北京市”，“涨幅标志”：“下跌”，“vegetablename”：“黄瓜”。
在上述任一项技术方案中，优选地，根据任意一种蔬菜的价格走势，确定是否生成任意一种蔬菜的价格异常预警信息，具体包括以下步骤：检测价格走势持续的天数是否达到预设天数阈值；在检测到价格走势持续的天数达到预设天数阈值时，生成任意一种蔬菜的价格异常预警信息；在检测到价格走势持续的天数未达到预设天数阈值时，不生成价格异常预警信息。
在该技术方案中，通过检测价格走势持续的天数是否达到预设天数阈值，以在检测到价格走势持续的天数达到预设天数阈值时，生成任意一种蔬菜的价格异常预警信息，而在检测到价格走势持续的天数未到达预设天数阈值时，不生成价格异常预警信息，通过根据同一价格走势持续的时间来确定是否生成价格异常预警信息，一方面，根据价格走势确定是否生成异常信息，并且具有跟踪性与持续性，通过设置预设天数阈值，以预设天数阈值为标准，进行跟踪，实时性更强。
具体地，以连续多日的价格走势为例：
比如：2016-11-14："涨幅":"0.24821448","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
2016-11-13："涨幅":"0.11821448","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
2016-11-12："涨幅":"0.3455","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
……
根据连续性判断异常
2016-11-14-黄瓜-下跌；
2016-11-13-黄瓜-下跌；
2016-11-12-黄瓜-下跌；
……
预警信息：黄瓜价格已经连续下跌N天，价格异常，请关注！
在上述任一项技术方案中，优选地，根据任意一种蔬菜的价格走势，确定是否生成任意一种蔬菜的价格异常预警信息，具体包括以下步骤：检测均价差值是否大于或等于预设均价差值；在检测到均价差值大于或等于预设均价差值时，生成任意一种蔬菜的价格异常预警信息；在检测到均价差值小于预设均价差值时，不生成价格异常预警信息。
在该技术方案中，通过检测均价差值是否大于或等于预设均价差值，以在检测到均价差值大于或等于预设均价差值时，生成蔬菜的价格异常预警信息，在检测到均价差值小于预设均价差值时，不生成蔬菜的价格异常预警信息，从而在蔬菜的价格产生突然变动时，能够及时提醒用户，以使用户及时作出市场调整，在价格突然暴跌时，能够及时清仓，降低损失，在价格突然暴涨时，分析暴涨原因，确定是入货还是观望，以便及时抓住商机。
在上述任一项技术方案中，优选地，实时收集多个市场中的任意一种蔬菜的蔬菜价格，具体包括以下步骤：实时收集指定城市内的多个市场中的任意一种蔬菜的蔬菜价格。
在该技术方案中，通过实时收集指定城市内的多个市场中的任意一种蔬菜的蔬菜价格，能够及时追踪某个城市或某个省份的蔬菜价格，从而确定某个城市或某个省份对于任意一种蔬菜是否具有价格异常作出预警，地域指导性更强。
具体地，使用VegetableName和province_name作为Key值求取蔬菜的价格均值，格式如下：
“VegetableName”:“黄瓜”，“mean_price”：“3.4625”，“province_name”：“北京市”。
图2示出了根据本发明的实施例的蔬菜价格异常的预警装置的示意框图。
如图2所示，根据本发明的实施例的蔬菜价格异常的预警装置200，包括：确定单元202，用于确定任意一种蔬菜的价格走势；检测单元204，用于根据任意一种蔬菜的价格走势，检测是否生成任意一种蔬菜的价格异常预警信息。
在该技术方案中，通过确定任意一种蔬菜的价格走势，以根据任意一种蔬菜的价格走势确定是否生成该任意一种蔬菜的价格异常预警信息，通过对价格走势的监测，实现了在价格异常时，对异常价格的自动预警，从而使用户能够根据预警信息及时做出市场调整，从而能够及时抓住商机以及进行风险规避。
具体地，确定任意一种蔬菜的价格走势，可以通过市场调查确定，可以通过预测模型确定，也可以通过大数据的收集确定，在价格有走高趋势时，能够及时备货，在价格有跌落趋势时，能够将现有蔬菜及时处理，防止蔬菜由于堆积腐烂而造成损失。
在上述技术方案中，优选地，还包括：收集单元206，用于实时收集多个市场中的任意一种蔬菜的蔬菜价格；生成单元208，用于根据多个市场中的任意一种蔬菜的蔬菜价格，生成任意一种蔬菜的平均价格，作为当日均价；确定单元202还用于：根据当日均价以及前一日保存的当日均价，确定均价差值；确定单元202还用于：根据均价差值确定价格走势。
在该技术方案中，通过实时收集多个市场中的任意一种蔬菜的蔬菜价格，以根据多个市场中的价格，计算平均值，得到平均价格，作为当日均价，将当日均价与前一日的当日均价进行比较，得到均价差值，以根据均价差值确定价格走势，通过根据多个市场中的价格生成平均价格，即根据收集到的大数据确定当日均价，以及进一步确定均价差值，得到的数据精确度高，能够准确地反映价格走势，从而使生成的价格异常预警信息可靠性更高。
具体地，以黄瓜为例，每天的价格信息包括：
“VegetableName”：“黄瓜”，“market”：“安徽合肥周谷堆农产品批发市场”，“price”：“3.9”，“province_name”：“北京市”；
每日计算出平均价格，作为当日均价，根据当日均价和前一天的当日均价求取均价差值：
当日：“VegetableName”：“黄瓜”，“mean_price”：“3.21428”，“province_name”：“北京市”；
前一日：“VegetableName”：“黄瓜”，“mean_price”：“3.4625”，“province_name”：“北京市”。
计算结果：
“涨幅”：“0.24822”，“province_name”：“北京市”，“涨幅标志”：“下跌”，“vegetablename”：“黄瓜”。
在上述任一项技术方案中，优选地，检测单元204还用于：检测价格走势持续的天数是否达到预设天数阈值；生成单元208还用于：在检测到价格走势持续的天数达到预设天数阈值时，生成任意一种蔬菜的价格异常预警信息；生成单元208还用于：在检测到价格走势持续的天数未达到预设天数阈值时，不生成价格异常预警信息。
在该技术方案中，通过检测价格走势持续的天数是否达到预设天数阈值，以在检测到价格走势持续的天数达到预设天数阈值时，生成任意一种蔬菜的价格异常预警信息，而在检测到价格走势持续的天数未到达预设天数阈值时，不生成价格异常预警信息，通过根据同一价格走势持续的时间来确定是否生成价格异常预警信息，一方面，根据价格走势确定是否生成异常信息，并且具有跟踪性与持续性，通过设置预设天数阈值，以预设天数阈值为标准，进行跟踪，实时性更强。
具体地，以连续多日的价格走势为例：
比如：2016-11-14："涨幅":"0.24821448","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
2016-11-13："涨幅":"0.11821448","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
2016-11-12："涨幅":"0.3455","province_name":"北京市","涨幅标志":"下跌","vegetablename":"黄瓜"
……
根据连续性判断异常
2016-11-14-黄瓜-下跌；
2016-11-13-黄瓜-下跌；
2016-11-12-黄瓜-下跌；
……
预警信息：黄瓜价格已经连续下跌N天，价格异常，请关注！
在上述任一项技术方案中，优选地，检测单元204还用于：检测均价差值是否大于或等于预设均价差值；生成单元208还用于：在检测到均价差值大于或等于预设均价差值时，生成任意一种蔬菜的价格异常预警信息；生成单元208还用于：在检测到均价差值小于预设均价差值时，不生成价格异常预警信息。
在该技术方案中，通过检测均价差值是否大于或等于预设均价差值，以在检测到均价差值大于或等于预设均价差值时，生成蔬菜的价格异常预警信息，在检测到均价差值小于预设均价差值时，不生成蔬菜的价格异常预警信息，从而在蔬菜的价格产生突然变动时，能够及时提醒用户，以使用户及时作出市场调整，在价格突然暴跌时，能够及时清仓，降低损失，在价格突然暴涨时，分析暴涨原因，确定是入货还是观望，以便及时抓住商机。
在上述任一项技术方案中，优选地，收集单元206还用于：实时收集指定城市内的多个市场中的任意一种蔬菜的蔬菜价格。
在该技术方案中，通过实时收集指定城市内的多个市场中的任意一种蔬菜的蔬菜价格，能够及时追踪某个城市或某个省份的蔬菜价格，从而确定某个城市或某个省份对于任意一种蔬菜是否具有价格异常作出预警，地域指导性更强。
具体地，使用VegetableName和province_name作为Key值求取蔬菜的价格均值，格式如下：
“VegetableName”:“黄瓜”，“mean_price”：“3.4625”，“province_name”：“北京市”。
以上结合附图详细说明了本发明的技术方案，通过确定任意一种蔬菜的价格走势，以根据任意一种蔬菜的价格走势确定是否生成该任意一种蔬菜的价格异常预警信息，通过对价格走势的监测，实现了在价格异常时，对异常价格的自动预警，从而使用户能够根据预警信息及时做出市场调整，从而能够及时抓住商机以及进行风险规避。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种蔬菜价格异常的预警方法，其特征在于，包括：
确定任意一种蔬菜的价格走势；
根据所述任意一种蔬菜的价格走势，检测是否生成所述任意一种蔬菜的价格异常预警信息。
2.根据权利要求1所述的蔬菜价格异常的预警方法，其特征在于，所述确定任意一种蔬菜的价格走势，具体包括以下步骤：
实时收集多个市场中的所述任意一种蔬菜的蔬菜价格；
根据所述多个市场中的所述任意一种蔬菜的蔬菜价格，生成所述任意一种蔬菜的平均价格，作为当日均价；
根据所述当日均价以及前一日保存的所述当日均价，确定均价差值；
根据所述均价差值确定所述价格走势。
3.根据权利要求2所述的蔬菜价格异常的预警方法，其特征在于，所述根据所述任意一种蔬菜的价格走势，确定是否生成所述任意一种蔬菜的价格异常预警信息，具体包括以下步骤：
检测所述价格走势持续的天数是否达到预设天数阈值；
在检测到所述价格走势持续的天数达到所述预设天数阈值时，生成所述任意一种蔬菜的价格异常预警信息；
在检测到所述价格走势持续的天数未达到所述预设天数阈值时，不生成所述价格异常预警信息。
4.根据权利要求2所述的蔬菜价格异常的预警方法，其特征在于，根据所述任意一种蔬菜的价格走势，确定是否生成所述任意一种蔬菜的价格异常预警信息，具体包括以下步骤：
检测所述均价差值是否大于或等于预设均价差值；
在检测到所述均价差值大于或等于所述预设均价差值时，生成所述任意一种蔬菜的价格异常预警信息；
在检测到所述均价差值小于所述预设均价差值时，不生成所述价格异常预警信息。
5.根据权利要求2至4中任一项所述的蔬菜价格异常的预警方法，其特征在于，所述实时收集多个市场中的所述任意一种蔬菜的蔬菜价格，具体包括以下步骤：
实时收集指定城市内的所述多个市场中的所述任意一种蔬菜的蔬菜价格。
6.一种蔬菜价格异常的预警装置，其特征在于，包括：
确定单元，用于确定任意一种蔬菜的价格走势；
检测单元，用于根据所述任意一种蔬菜的价格走势，检测是否生成所述任意一种蔬菜的价格异常预警信息。
7.根据权利要求6所述的蔬菜价格异常的预警装置，其特征在于，还包括：
收集单元，用于实时收集多个市场中的所述任意一种蔬菜的蔬菜价格；
生成单元，用于根据所述多个市场中的所述任意一种蔬菜的蔬菜价格，生成所述任意一种蔬菜的平均价格，作为当日均价；
所述确定单元还用于：根据所述当日均价以及前一日保存的所述当日均价，确定均价差值；
所述确定单元还用于：根据所述均价差值确定所述价格走势。
8.根据权利要求7所述的蔬菜价格异常的预警装置，其特征在于，
所述检测单元还用于：检测所述价格走势持续的天数是否达到预设天数阈值；
所述生成单元还用于：在检测到所述价格走势持续的天数达到所述预设天数阈值时，生成所述任意一种蔬菜的价格异常预警信息；
所述生成单元还用于：在检测到所述价格走势持续的天数未达到所述预设天数阈值时，不生成所述价格异常预警信息。
9.根据权利要求7所述的蔬菜价格异常的预警装置，其特征在于，
所述检测单元还用于：检测所述均价差值是否大于或等于预设均价差值；
所述生成单元还用于：在检测到所述均价差值大于或等于所述预设均价差值时，生成所述任意一种蔬菜的价格异常预警信息；
所述生成单元还用于：在检测到所述均价差值小于所述预设均价差值时，不生成所述价格异常预警信息。
10.根据权利要求7至9中任一项所述的蔬菜价格异常的预警装置，其特征在于，
所述收集单元还用于：实时收集指定城市内的所述多个市场中的所述任意一种蔬菜的蔬菜价格。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611242111.9A CN106779864A (zh) | 2016-12-29 | 2016-12-29 | 蔬菜价格异常的预警方法和蔬菜价格异常的预警装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611242111.9A CN106779864A (zh) | 2016-12-29 | 2016-12-29 | 蔬菜价格异常的预警方法和蔬菜价格异常的预警装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN106779864A true CN106779864A (zh) | 2017-05-31 |
Family
ID=58923658
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611242111.9A Pending CN106779864A (zh) | 2016-12-29 | 2016-12-29 | 蔬菜价格异常的预警方法和蔬菜价格异常的预警装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106779864A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978617A (zh) * | 2019-03-22 | 2019-07-05 | 中国农业科学院农业信息研究所 | 农产品大数据预测方法、系统、终端及存储介质 |
| CN111192087A (zh) * | 2019-12-30 | 2020-05-22 | 深圳春沐源控股有限公司 | 蔬果价格管理方法、服务器、终端和计算机可读存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102034153A (zh) * | 2010-12-14 | 2011-04-27 | 江苏格物信息科技有限公司 | 一种生猪价格预警系统 |
| CN102542346A (zh) * | 2011-12-21 | 2012-07-04 | 中国农业科学院农业信息研究所 | 农产品市场监测预警系统 |
| CN103617548A (zh) * | 2013-12-06 | 2014-03-05 | 李敬泉 | 一种趋势性、周期性商品的中长期需求预测方法 |
| US20160224897A1 (en) * | 2015-01-30 | 2016-08-04 | Lenovo (Beijing) Co., Ltd. | Information Processing Method and Information Processing Device |
-
2016
- 2016-12-29 CN CN201611242111.9A patent/CN106779864A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102034153A (zh) * | 2010-12-14 | 2011-04-27 | 江苏格物信息科技有限公司 | 一种生猪价格预警系统 |
| CN102542346A (zh) * | 2011-12-21 | 2012-07-04 | 中国农业科学院农业信息研究所 | 农产品市场监测预警系统 |
| CN103617548A (zh) * | 2013-12-06 | 2014-03-05 | 李敬泉 | 一种趋势性、周期性商品的中长期需求预测方法 |
| US20160224897A1 (en) * | 2015-01-30 | 2016-08-04 | Lenovo (Beijing) Co., Ltd. | Information Processing Method and Information Processing Device |
Non-Patent Citations (1)
| Title |
|---|
| 吴东武: "《农户信用评估与风险预警机制研究》", 30 June 2015 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109978617A (zh) * | 2019-03-22 | 2019-07-05 | 中国农业科学院农业信息研究所 | 农产品大数据预测方法、系统、终端及存储介质 |
| CN111192087A (zh) * | 2019-12-30 | 2020-05-22 | 深圳春沐源控股有限公司 | 蔬果价格管理方法、服务器、终端和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102473660B (zh) | 等离子加工系统自动瑕疵检测和分类及其方法 | |
| CN104915846A (zh) | 一种电子商务时间序列数据的异常检测方法及系统 | |
| US20200081054A1 (en) | Power line issue diagnostic methods and apparatus using distributed analytics | |
| CN108345601A (zh) | 搜索结果排序方法及装置 | |
| CN104471671B (zh) | 质量分析装置以及方法 | |
| CN112828422B (zh) | 监测焊接质量的系统和方法 | |
| CN107153656B (zh) | 一种信息搜索方法和装置 | |
| CN105871634A (zh) | 检测集群异常的方法及应用、管理集群的系统 | |
| CN108073597A (zh) | 页面点击行为展示方法、装置和系统 | |
| CN111192087A (zh) | 蔬果价格管理方法、服务器、终端和计算机可读存储介质 | |
| CN108765177A (zh) | 核保方法及核保系统 | |
| CN107944779A (zh) | 一种基金产品的业绩分析方法及装置 | |
| CN109934268A (zh) | 异常交易检测方法及系统 | |
| Chen et al. | Renewed momentum in the German housing market: boom or bubble? | |
| CN106779864A (zh) | 蔬菜价格异常的预警方法和蔬菜价格异常的预警装置 | |
| CN110738415A (zh) | 基于用电采集系统和离群点算法的窃电用户分析方法 | |
| US10517234B2 (en) | Method, arrangement and user interface for presenting data describing forest work unit operation | |
| CN110413881B (zh) | 一种识别标签准确性的方法、装置、网络设备和存储介质 | |
| CN115577991B (zh) | 一种基于大数据的商业智能数据分析系统及分析方法 | |
| US11244235B2 (en) | Data analysis device and analysis method | |
| CN104482865A (zh) | 一种制动器厚度检测的方法及系统 | |
| CN109344025B (zh) | Cpu性能自监控方法及服务器 | |
| CN113761048B (zh) | 地质灾害异常数据可视化处理方法及系统 | |
| CN109886780A (zh) | 基于眼球跟踪的商品目标检测方法及装置 | |
| Chittupalli et al. | Counting of Strawberries and Flowers in Fields using YOLOv4 and SORT |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A (located in Shenzhen Qianhai business secretary Co. Ltd.) Applicant after: Shenzhen Chun Mu source Holdings Limited Address before: 518052 Guangdong city of Shenzhen province Qianhai Shenzhen Hong Kong cooperation zone before Bay Road No. 1 building 201 room A Applicant before: Shenzhen Qianhai Hong Jia Technology Co., Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170531 |
|
| RJ01 | Rejection of invention patent application after publication |