CN116011819A - 一种基于大数据的农产品经营风险预测系统和方法 - Google Patents
一种基于大数据的农产品经营风险预测系统和方法 Download PDFInfo
- Publication number
- CN116011819A CN116011819A CN202310054826.5A CN202310054826A CN116011819A CN 116011819 A CN116011819 A CN 116011819A CN 202310054826 A CN202310054826 A CN 202310054826A CN 116011819 A CN116011819 A CN 116011819A
- Authority
- CN
- China
- Prior art keywords
- audience
- management
- monitoring
- risk prediction
- factors
- 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.)
- Withdrawn
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及大数据技术领域,具体公开了一种基于大数据的农产品经营风险预测系统和方法。本发明通过获取经营农产品信息,基于大数据技术,分析确定经营受众因素;获取经营位置,确定环境加成因素;对经营位置进行周期监控;进行受众人数分析,确定经营受众人数;基于经营受众人数,进行经营风险预测分析,生成风险预测结果。能够在进行农产品经营之前,基于大数据技术,分析确定经营受众因素和环境加成因素,并在经营位置进行周期监控,通过进行受众人数分析,确定经营受众人数,进而进行经营风险预测分析,生成风险预测结果,从而实现将大数据技术与农产品经营风险预测进行有效的结合,进行有效的经营风险预测,保证农产品经营的稳定性。
Description
技术领域
本发明属于大数据技术领域,尤其涉及一种基于大数据的农产品经营风险预测系统和方法。
背景技术
现在的社会是一个高速发展的社会,科技发达,信息流通,人们之间的交流越来越密切,生活也越来越方便,大数据就是这个高科技时代的产物。大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。
在农业现代化和市场化的过程中,农产品经营风险已经凸显为农业发展的主要风险。虽然大数据技术得到了快速的发展,但是现有的技术中,通常无法将大数据技术与农产品经营风险预测进行有效的结合,不能够在农产品经营之前,按照大数据进行有效的经营风险预测,很容易在农产品经营之后,由于经营不稳定,发生经营风险而无法保证进行正常经营。
发明内容
本发明实施例的目的在于提供一种基于大数据的农产品经营风险预测系统和方法,旨在解决背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
一种基于大数据的农产品经营风险预测方法,所述方法具体包括以下步骤:
获取经营农产品信息,基于大数据技术,分析确定经营受众因素;
获取经营位置,进行经营环境分析,确定环境加成因素;
对所述经营位置进行周期监控,得到周期监控数据;
按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数;
基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果。
作为本发明实施例技术方案进一步的限定,所述获取经营农产品信息,基于大数据技术,分析确定经营受众因素具体包括以下步骤:
在进行农产品经营之前,获取经营农产品信息;
根据所述经营农产品信息,确定多个目标农产品;
基于大数据技术,分析多个所述目标农产品的产品受众因素;
综合多个所述产品受众因素,分析确定经营受众因素。
作为本发明实施例技术方案进一步的限定,所述获取经营位置,进行经营环境分析,确定环境加成因素具体包括以下步骤:
在进行农产品经营之前,获取经营位置;
根据所述经营位置,获取预设范围内的经营环境信息;
根据所述经营环境信息,标记多个环境加成点;
根据多个所述环境加成点,确定环境加成因素。
作为本发明实施例技术方案进一步的限定,所述对所述经营位置进行周期监控,得到周期监控数据具体包括以下步骤:
根据预设的监控周期,生成周期性的监控信号;
按照所述监控信号,对所述经营位置进行周期监控,得到多个位置监控数据;
根据预设的整理周期,对多个所述位置监控数据进行周期整理,得到周期监控数据。
作为本发明实施例技术方案进一步的限定,所述按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数具体包括以下步骤:
对所述周期监控数据进行人数统计,获取监控统计人数;
按照所述整理周期,对监控统计人数进行均分,得到监控周期人数;
按照所述经营受众因素对所述监控周期人数进行受众人数分析,确定周期受众人数;
按照所述环境加成因素对所述周期受众人数进行加成人数分析,确定经营受众人数。
作为本发明实施例技术方案进一步的限定,所述基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果具体包括以下步骤:
获取预设的经营受众需求;
根据所述经营受众需求,对所述经营受众人数进行受众比较,生成受众比较结果;
按照所述受众比较结果,进行经营风险预测分析,生成风险预测结果。
一种基于大数据的农产品经营风险预测系统,所述系统包括受众因素分析单元、加成因素分析单元、位置周期监控单元、受众人数分析单元和风险预测分析单元,其中:
受众因素分析单元,用于获取经营农产品信息,基于大数据技术,分析确定经营受众因素;
加成因素分析单元,用于获取经营位置,进行经营环境分析,确定环境加成因素;
位置周期监控单元,用于对所述经营位置进行周期监控,得到周期监控数据;
受众人数分析单元,用于按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数;
风险预测分析单元,用于基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果。
作为本发明实施例技术方案进一步的限定,所述受众因素分析单元具体包括:
信息获取模块,用于在进行农产品经营之前,获取经营农产品信息;
产品确定模块,用于根据所述经营农产品信息,确定多个目标农产品;
产品受众因素分析模块,用于基于大数据技术,分析多个所述目标农产品的产品受众因素;
经营受众因素分析模块,用于综合多个所述产品受众因素,分析确定经营受众因素。
作为本发明实施例技术方案进一步的限定,所述加成因素分析单元具体包括:
位置获取模块,用于在进行农产品经营之前,获取经营位置;
环境信息获取模块,用于根据所述经营位置,获取预设范围内的经营环境信息;
加成点标记模块,用于根据所述经营环境信息,标记多个环境加成点;
加成因素分析模块,用于根据多个所述环境加成点,确定环境加成因素。
作为本发明实施例技术方案进一步的限定,所述位置周期监控单元具体包括:
信号生成模块,用于根据预设的监控周期,生成周期性的监控信号;
周期监控模块,用于按照所述监控信号,对所述经营位置进行周期监控,得到多个位置监控数据;
周期整理模块,用于根据预设的整理周期,对多个所述位置监控数据进行周期整理,得到周期监控数据。
与现有技术相比,本发明的有益效果是:
本发明实施例通过获取经营农产品信息,基于大数据技术,分析确定经营受众因素;获取经营位置,确定环境加成因素;对经营位置进行周期监控;进行受众人数分析,确定经营受众人数;基于经营受众人数,进行经营风险预测分析,生成风险预测结果。能够在进行农产品经营之前,基于大数据技术,分析确定经营受众因素和环境加成因素,并在经营位置进行周期监控,通过进行受众人数分析,确定经营受众人数,进而进行经营风险预测分析,生成风险预测结果,从而实现将大数据技术与农产品经营风险预测进行有效的结合,进行有效的经营风险预测,保证农产品经营的稳定性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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的一些实施例。
图1示出了本发明实施例提供的方法的流程图。
图2示出了本发明实施例提供的方法中分析经营受众因素的流程图。
图3示出了本发明实施例提供的方法中确定环境加成因素的流程图。
图4示出了本发明实施例提供的方法中经营位置周期监控的流程图。
图5示出了本发明实施例提供的方法中确定经营受众人数的流程图。
图6示出了本发明实施例提供的方法中经营风险预测分析的流程图。
图7示出了本发明实施例提供的系统的应用架构图。
图8示出了本发明实施例提供的系统中受众因素分析单元的结构框图。
图9示出了本发明实施例提供的系统中加成因素分析单元的结构框图。
图10示出了本发明实施例提供的系统中位置周期监控单元的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解的是,现有的技术中,通常无法将大数据技术与农产品经营风险预测进行有效的结合,无法在农产品经营之前,按照大数据进行有效的经营风险预测,很容易在农产品经营之后,由于经营不稳定,发生经营风险而无法保证进行正常经营。
为解决上述问题,本发明实施例通过获取经营农产品信息,基于大数据技术,分析确定经营受众因素;获取经营位置,确定环境加成因素;对经营位置进行周期监控;进行受众人数分析,确定经营受众人数;基于经营受众人数,进行经营风险预测分析,生成风险预测结果。能够在进行农产品经营之前,基于大数据技术,分析确定经营受众因素和环境加成因素,并在经营位置进行周期监控,通过进行受众人数分析,确定经营受众人数,进而进行经营风险预测分析,生成风险预测结果,从而实现将大数据技术与农产品经营风险预测进行有效的结合,进行有效的经营风险预测,保证农产品经营的稳定性。
图1示出了本发明实施例提供的方法的流程图。
具体的,在本发明提供的一个优选实施方式中,一种基于大数据的农产品经营风险预测方法,所述方法具体包括以下步骤:
步骤S101,获取经营农产品信息,基于大数据技术,分析确定经营受众因素。
在本发明实施例中,在进行农产品经营之前,接收商家上传的经营农产品信息,通过对经营农产品信息进行目标分析,确定商家想要经营售卖的多个目标农产品,再基于大数据技术,对多个目标农产品的受众情况进行分别分析,确定多个目标农产品对应的产品受众因素,进而按照多个目标农产品的经营占比,综合多个产品受众因素,分析确定商家的经营受众因素。
可以理解的是,对多个目标农产品的受众情况进行分别分析,是对多个目标农产品的受众性别、年龄进行分析,按照大数据技术,可以确定多个目标农产品常见的购买用户的性别、年龄情况,生成对应的产品受众因素;经营受众因素,是按照多个多个目标农产品的产品受众因素及其对应的经营占比,综合确定的受众用户性别、年龄情况,例如:某个目标农产品的经营占比越多,其对应的受众用户性别、年龄吸引力越大,则经营受众因素中所对应的影响力就越大。
具体的,图2示出了本发明实施例提供的方法中分析经营受众因素的流程图。
其中,在本发明提供的优选实施方式中,所述获取经营农产品信息,基于大数据技术,分析确定经营受众因素具体包括以下步骤:
步骤S1011,在进行农产品经营之前,获取经营农产品信息。
步骤S1012,根据所述经营农产品信息,确定多个目标农产品。
步骤S1013,基于大数据技术,分析多个所述目标农产品的产品受众因素。
步骤S1014,综合多个所述产品受众因素,分析确定经营受众因素。
进一步的,所述基于大数据的农产品经营风险预测方法还包括以下步骤:
步骤S102,获取经营位置,进行经营环境分析,确定环境加成因素。
在本发明实施例中,获取商家想要进行农产品经营的经营位置,在进行农产品经营之前,以经营位置为坐标原点,分析周边2公里范围内的环境,得到经营环境信息,通过对经营环境信息进行分析,确定在经营位置周边2公里范围内具有人群聚集的位置,将其标记为环境加成点,得到多个环境加成点,进而按照不同的环境加成点的人群密度,确定不同环境加成点的加成影响力,通过综合多个环境加成点对应的加成影响力,生成环境加成因素。
具体的,图3示出了本发明实施例提供的方法中确定环境加成因素的流程图。
其中,在本发明提供的优选实施方式中,所述获取经营位置,进行经营环境分析,确定环境加成因素具体包括以下步骤:
步骤S1021,在进行农产品经营之前,获取经营位置。
步骤S1022,根据所述经营位置,获取预设范围内的经营环境信息。
步骤S1023,根据所述经营环境信息,标记多个环境加成点。
步骤S1024,根据多个所述环境加成点,确定环境加成因素。
进一步的,所述基于大数据的农产品经营风险预测方法还包括以下步骤:
步骤S103,对所述经营位置进行周期监控,得到周期监控数据。
在本发明实施例中,在经营位置设置监控点,根据预设的监控周期,生成周期性的监控信号,进而按照监控信号,在监控点处,对经营位置进行周期监控,得到多个位置监控数据,进而再根据预设的整理周期,对多个位置监控数据进行周期整理,得到周期监控数据。
可以理解的是,监控周期,是按照“天”为单位,设置一天内进行监控拍摄的监控时间;整理周期,是按照“星期”为单位,设置几个“星期”进行的一次位置监控数据的整理。
具体的,图4示出了本发明实施例提供的方法中经营位置周期监控的流程图。
其中,在本发明提供的优选实施方式中,所述对所述经营位置进行周期监控,得到周期监控数据具体包括以下步骤:
步骤S1031,根据预设的监控周期,生成周期性的监控信号。
步骤S1032,按照所述监控信号,对所述经营位置进行周期监控,得到多个位置监控数据。
步骤S1033,根据预设的整理周期,对多个所述位置监控数据进行周期整理,得到周期监控数据。
进一步的,所述基于大数据的农产品经营风险预测方法还包括以下步骤:
步骤S104,按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数。
在本发明实施例中,通过对周期监控数据进行人数统计,获取监控统计人数,再按照整理周期,对监控统计人数进行均分处理,得到监控周期人数,且分析监控周期人数中,不同性别、年龄所对应的人数,通过经营受众因素,对监控周期人数进行受众人数分析,确定经过经营位置,可能会进店进行农产品购买的周期受众人数,再按照环境加成因素,对周期受众人数进行加成人数预测,确定加成之后,可能会特意会进店进行农产品购买的经营受众人数。
具体的,图5示出了本发明实施例提供的方法中确定经营受众人数的流程图。
其中,在本发明提供的优选实施方式中,所述按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数具体包括以下步骤:
步骤S1041,对所述周期监控数据进行人数统计,获取监控统计人数。
步骤S1042,按照所述整理周期,对监控统计人数进行均分,得到监控周期人数。
步骤S1043,按照所述经营受众因素对所述监控周期人数进行受众人数分析,确定周期受众人数。
步骤S1044,按照所述环境加成因素对所述周期受众人数进行加成人数分析,确定经营受众人数。
进一步的,所述基于大数据的农产品经营风险预测方法还包括以下步骤:
步骤S105,基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果。
在本发明实施例中,根据商家的经营成本情况,获取预先设置的经营受众需求,根据经营受众需求,对经营受众人数进行受众比较,生成受众比较结果,进而按照受众比较结果,判断是否满足经营受众需求所对应的基本受众人数,进而按照判断结果,进行经营风险预测分析,生成对应的风险预测结果。
可以理解的是,在经营受众人数大于经营受众需求所对应的基本受众人数时,可以判定该经营位置的农产品经营风险较小;在经营受众人数不大于经营受众需求所对应的基本受众人数时,可以判定该经营位置的农产品经营风险较大。
具体的,图6示出了本发明实施例提供的方法中经营风险预测分析的流程图。
其中,在本发明提供的优选实施方式中,所述基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果具体包括以下步骤:
步骤S1051,获取预设的经营受众需求。
步骤S1052,根据所述经营受众需求,对所述经营受众人数进行受众比较,生成受众比较结果。
步骤S1053,按照所述受众比较结果,进行经营风险预测分析,生成风险预测结果。
进一步的,图7示出了本发明实施例提供的系统的应用架构图。
其中,在本发明提供的又一个优选实施方式中,一种基于大数据的农产品经营风险预测系统,包括:
受众因素分析单元101,用于获取经营农产品信息,基于大数据技术,分析确定经营受众因素。
在本发明实施例中,受众因素分析单元101在进行农产品经营之前,接收商家上传的经营农产品信息,通过对经营农产品信息进行目标分析,确定商家想要经营售卖的多个目标农产品,再基于大数据技术,对多个目标农产品的受众情况进行分别分析,确定多个目标农产品对应的产品受众因素,进而按照多个目标农产品的经营占比,综合多个产品受众因素,分析确定商家的经营受众因素。
具体的,图8示出了本发明实施例提供的系统中受众因素分析单元101的结构框图。
其中,在本发明提供的优选实施方式中,所述受众因素分析单元101具体包括:
信息获取模块1011,用于在进行农产品经营之前,获取经营农产品信息。
产品确定模块1012,用于根据所述经营农产品信息,确定多个目标农产品。
产品受众因素分析模块1013,用于基于大数据技术,分析多个所述目标农产品的产品受众因素。
经营受众因素分析模块1014,用于综合多个所述产品受众因素,分析确定经营受众因素。
进一步的,所述基于大数据的农产品经营风险预测系统还包括:
加成因素分析单元102,用于获取经营位置,进行经营环境分析,确定环境加成因素。
在本发明实施例中,加成因素分析单元102获取商家想要进行农产品经营的经营位置,在进行农产品经营之前,以经营位置为坐标原点,分析周边2公里范围内的环境,得到经营环境信息,通过对经营环境信息进行分析,确定在经营位置周边2公里范围内具有人群聚集的位置,将其标记为环境加成点,得到多个环境加成点,进而按照不同的环境加成点的人群密度,确定不同环境加成点的加成影响力,通过综合多个环境加成点对应的加成影响力,生成环境加成因素。
具体的,图9示出了本发明实施例提供的系统中加成因素分析单元102的结构框图。
其中,在本发明提供的优选实施方式中,所述加成因素分析单元102具体包括:
位置获取模块1021,用于在进行农产品经营之前,获取经营位置。
环境信息获取模块1022,用于根据所述经营位置,获取预设范围内的经营环境信息。
加成点标记模块1023,用于根据所述经营环境信息,标记多个环境加成点。
加成因素分析模块1024,用于根据多个所述环境加成点,确定环境加成因素。
进一步的,所述基于大数据的农产品经营风险预测系统还包括:
位置周期监控单元103,用于对所述经营位置进行周期监控,得到周期监控数据。
在本发明实施例中,位置周期监控单元103在经营位置设置监控点,根据预设的监控周期,生成周期性的监控信号,进而按照监控信号,在监控点处,对经营位置进行周期监控,得到多个位置监控数据,进而再根据预设的整理周期,对多个位置监控数据进行周期整理,得到周期监控数据。
具体的,图10示出了本发明实施例提供的系统中位置周期监控单元103的结构框图。
其中,在本发明提供的优选实施方式中,所述位置周期监控单元103具体包括:
信号生成模块1031,用于根据预设的监控周期,生成周期性的监控信号。
周期监控模块1032,用于按照所述监控信号,对所述经营位置进行周期监控,得到多个位置监控数据。
周期整理模块1033,用于根据预设的整理周期,对多个所述位置监控数据进行周期整理,得到周期监控数据。
进一步的,所述基于大数据的农产品经营风险预测系统还包括:
受众人数分析单元104,用于按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数。
在本发明实施例中,受众人数分析单元104通过对周期监控数据进行人数统计,获取监控统计人数,再按照整理周期,对监控统计人数进行均分处理,得到监控周期人数,且分析监控周期人数中,不同性别、年龄所对应的人数,通过经营受众因素,对监控周期人数进行受众人数分析,确定经过经营位置,可能会进店进行农产品购买的周期受众人数,再按照环境加成因素,对周期受众人数进行加成人数预测,确定加成之后,可能会特意会进店进行农产品购买的经营受众人数。
风险预测分析单元105,用于基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果。
在本发明实施例中,风险预测分析单元105根据商家的经营成本情况,获取预先设置的经营受众需求,根据经营受众需求,对经营受众人数进行受众比较,生成受众比较结果,进而按照受众比较结果,判断是否满足经营受众需求所对应的基本受众人数,进而按照判断结果,进行经营风险预测分析,生成对应的风险预测结果。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的农产品经营风险预测方法,其特征在于,所述方法具体包括以下步骤:
获取经营农产品信息,基于大数据技术,分析确定经营受众因素;
获取经营位置,进行经营环境分析,确定环境加成因素;
对所述经营位置进行周期监控,得到周期监控数据;
按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数;
基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果。
2.根据权利要求1所述的基于大数据的农产品经营风险预测方法,其特征在于,所述获取经营农产品信息,基于大数据技术,分析确定经营受众因素具体包括以下步骤:
在进行农产品经营之前,获取经营农产品信息;
根据所述经营农产品信息,确定多个目标农产品;
基于大数据技术,分析多个所述目标农产品的产品受众因素;
综合多个所述产品受众因素,分析确定经营受众因素。
3.根据权利要求1所述的基于大数据的农产品经营风险预测方法,其特征在于,所述获取经营位置,进行经营环境分析,确定环境加成因素具体包括以下步骤:
在进行农产品经营之前,获取经营位置;
根据所述经营位置,获取预设范围内的经营环境信息;
根据所述经营环境信息,标记多个环境加成点;
根据多个所述环境加成点,确定环境加成因素。
4.根据权利要求1所述的基于大数据的农产品经营风险预测方法,其特征在于,所述对所述经营位置进行周期监控,得到周期监控数据具体包括以下步骤:
根据预设的监控周期,生成周期性的监控信号;
按照所述监控信号,对所述经营位置进行周期监控,得到多个位置监控数据;
根据预设的整理周期,对多个所述位置监控数据进行周期整理,得到周期监控数据。
5.根据权利要求4所述的基于大数据的农产品经营风险预测方法,其特征在于,所述按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数具体包括以下步骤:
对所述周期监控数据进行人数统计,获取监控统计人数;
按照所述整理周期,对监控统计人数进行均分,得到监控周期人数;
按照所述经营受众因素对所述监控周期人数进行受众人数分析,确定周期受众人数;
按照所述环境加成因素对所述周期受众人数进行加成人数分析,确定经营受众人数。
6.根据权利要求1所述的基于大数据的农产品经营风险预测方法,其特征在于,所述基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果具体包括以下步骤:
获取预设的经营受众需求;
根据所述经营受众需求,对所述经营受众人数进行受众比较,生成受众比较结果;
按照所述受众比较结果,进行经营风险预测分析,生成风险预测结果。
7.一种基于大数据的农产品经营风险预测系统,其特征在于,所述系统包括受众因素分析单元、加成因素分析单元、位置周期监控单元、受众人数分析单元和风险预测分析单元,其中:
受众因素分析单元,用于获取经营农产品信息,基于大数据技术,分析确定经营受众因素;
加成因素分析单元,用于获取经营位置,进行经营环境分析,确定环境加成因素;
位置周期监控单元,用于对所述经营位置进行周期监控,得到周期监控数据;
受众人数分析单元,用于按照所述经营受众因素和所述环境加成因素,对所述周期监控数据进行受众人数分析,确定经营受众人数;
风险预测分析单元,用于基于所述经营受众人数,进行经营风险预测分析,生成风险预测结果。
8.根据权利要求7所述的基于大数据的农产品经营风险预测系统,其特征在于,所述受众因素分析单元具体包括:
信息获取模块,用于在进行农产品经营之前,获取经营农产品信息;
产品确定模块,用于根据所述经营农产品信息,确定多个目标农产品;
产品受众因素分析模块,用于基于大数据技术,分析多个所述目标农产品的产品受众因素;
经营受众因素分析模块,用于综合多个所述产品受众因素,分析确定经营受众因素。
9.根据权利要求7所述的基于大数据的农产品经营风险预测系统,其特征在于,所述加成因素分析单元具体包括:
位置获取模块,用于在进行农产品经营之前,获取经营位置;
环境信息获取模块,用于根据所述经营位置,获取预设范围内的经营环境信息;
加成点标记模块,用于根据所述经营环境信息,标记多个环境加成点;
加成因素分析模块,用于根据多个所述环境加成点,确定环境加成因素。
10.根据权利要求7所述的基于大数据的农产品经营风险预测系统,其特征在于,所述位置周期监控单元具体包括:
信号生成模块,用于根据预设的监控周期,生成周期性的监控信号;
周期监控模块,用于按照所述监控信号,对所述经营位置进行周期监控,得到多个位置监控数据;
周期整理模块,用于根据预设的整理周期,对多个所述位置监控数据进行周期整理,得到周期监控数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310054826.5A CN116011819A (zh) | 2023-02-03 | 2023-02-03 | 一种基于大数据的农产品经营风险预测系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310054826.5A CN116011819A (zh) | 2023-02-03 | 2023-02-03 | 一种基于大数据的农产品经营风险预测系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116011819A true CN116011819A (zh) | 2023-04-25 |
Family
ID=86035495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310054826.5A Withdrawn CN116011819A (zh) | 2023-02-03 | 2023-02-03 | 一种基于大数据的农产品经营风险预测系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116011819A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002297833A (ja) * | 2001-03-30 | 2002-10-11 | Daiwa House Ind Co Ltd | 交通検証システム,交通検証装置,交通検証方法,プログラム並びにデータ記録媒体 |
CN107025577A (zh) * | 2017-04-07 | 2017-08-08 | 南京埃德媒互联网科技有限公司 | 一种户外广告周边人流的监测装置及方法 |
CN108062623A (zh) * | 2017-12-12 | 2018-05-22 | 福建中金在线信息科技有限公司 | 西餐厅商场选址方法、装置及系统 |
CN108876032A (zh) * | 2018-06-12 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种对象选址的数据处理方法、装置、设备及系统 |
CN109493122A (zh) * | 2018-10-22 | 2019-03-19 | 深圳市秦丝科技有限公司 | 用于实体店铺的客流统计分析方法、终端及存储介质 |
CN110363046A (zh) * | 2018-02-08 | 2019-10-22 | 西南石油大学 | 基于人脸识别的客流分析系统及部署方法 |
CN110458609A (zh) * | 2019-07-23 | 2019-11-15 | 安徽迪科数金科技有限公司 | 一种新店经营管理预测分析系统 |
CN111275479A (zh) * | 2020-01-07 | 2020-06-12 | 北京爱笔科技有限公司 | 一种人流量预测方法、装置及系统 |
CN114239947A (zh) * | 2021-12-09 | 2022-03-25 | 上海维智卓新信息科技有限公司 | 基于多特征的店铺销售效果预测方法及装置 |
CN114693351A (zh) * | 2022-03-29 | 2022-07-01 | 北京百度网讯科技有限公司 | 信息预测方法、装置以及电子设备 |
CN115456695A (zh) * | 2022-09-30 | 2022-12-09 | 深圳数位大数据科技有限公司 | 一种店铺选址的分析方法、装置、系统及介质 |
CN115512084A (zh) * | 2022-09-29 | 2022-12-23 | 北京河图联合创新科技有限公司 | 基于ar的店铺分析方法、装置、终端设备及服务器 |
-
2023
- 2023-02-03 CN CN202310054826.5A patent/CN116011819A/zh not_active Withdrawn
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002297833A (ja) * | 2001-03-30 | 2002-10-11 | Daiwa House Ind Co Ltd | 交通検証システム,交通検証装置,交通検証方法,プログラム並びにデータ記録媒体 |
CN107025577A (zh) * | 2017-04-07 | 2017-08-08 | 南京埃德媒互联网科技有限公司 | 一种户外广告周边人流的监测装置及方法 |
CN108062623A (zh) * | 2017-12-12 | 2018-05-22 | 福建中金在线信息科技有限公司 | 西餐厅商场选址方法、装置及系统 |
CN110363046A (zh) * | 2018-02-08 | 2019-10-22 | 西南石油大学 | 基于人脸识别的客流分析系统及部署方法 |
CN108876032A (zh) * | 2018-06-12 | 2018-11-23 | 阿里巴巴集团控股有限公司 | 一种对象选址的数据处理方法、装置、设备及系统 |
CN109493122A (zh) * | 2018-10-22 | 2019-03-19 | 深圳市秦丝科技有限公司 | 用于实体店铺的客流统计分析方法、终端及存储介质 |
CN110458609A (zh) * | 2019-07-23 | 2019-11-15 | 安徽迪科数金科技有限公司 | 一种新店经营管理预测分析系统 |
CN111275479A (zh) * | 2020-01-07 | 2020-06-12 | 北京爱笔科技有限公司 | 一种人流量预测方法、装置及系统 |
CN114239947A (zh) * | 2021-12-09 | 2022-03-25 | 上海维智卓新信息科技有限公司 | 基于多特征的店铺销售效果预测方法及装置 |
CN114693351A (zh) * | 2022-03-29 | 2022-07-01 | 北京百度网讯科技有限公司 | 信息预测方法、装置以及电子设备 |
CN115512084A (zh) * | 2022-09-29 | 2022-12-23 | 北京河图联合创新科技有限公司 | 基于ar的店铺分析方法、装置、终端设备及服务器 |
CN115456695A (zh) * | 2022-09-30 | 2022-12-09 | 深圳数位大数据科技有限公司 | 一种店铺选址的分析方法、装置、系统及介质 |
Non-Patent Citations (2)
Title |
---|
崔海霞;卢秀茹;: "基于信息技术的农业产业化经营风险规避", 黑龙江畜牧兽医, no. 04 * |
陈晓卫;李洪;: "酒店入住人数模型研究", 统计教育, no. 03 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106060442B (zh) | 一种录像存储方法、装置及系统 | |
CN110826071B (zh) | 软件漏洞风险预测方法、装置、设备及存储介质 | |
US9870294B2 (en) | Visualization of behavior clustering of computer applications | |
CN109992473B (zh) | 应用系统的监控方法、装置、设备及存储介质 | |
US9372734B2 (en) | Outage window scheduler tool | |
CN112380044B (zh) | 数据异常检测方法、装置、计算机设备和存储介质 | |
CN112084229A (zh) | 一种识别城镇燃气用户异常用气行为的方法及装置 | |
CN110471945B (zh) | 活跃数据的处理方法、系统、计算机设备和存储介质 | |
KR20200108199A (ko) | 이상 감지를 이용한 모니터링 자동화 방법 및 장치 | |
CN110837529B (zh) | 大数据分析监察方法、装置、服务器及可读存储介质 | |
CN116011819A (zh) | 一种基于大数据的农产品经营风险预测系统和方法 | |
CN110764975B (zh) | 设备性能的预警方法、装置及监控设备 | |
CN114723554B (zh) | 异常账户识别方法及装置 | |
CN111800807A (zh) | 一种基站用户数量告警的方法及装置 | |
CN116361631A (zh) | 时间序列数据周期检测、异常检测、资源调度方法及设备 | |
CN115913745A (zh) | 车辆安全事件预测方法、装置、计算机设备和存储介质 | |
CN110442780B (zh) | 基于智慧园区的车主画像生成方法、装置和计算机设备 | |
CN113296990B (zh) | 时序数据的异常识别方法及装置 | |
US20220335347A1 (en) | Time-series anomaly prediction and alert | |
CN116048923A (zh) | 一种计算机网络管理方法和系统 | |
CN115314404B (zh) | 服务优化方法、装置、计算机设备及存储介质 | |
CN113742721B (zh) | 漏洞扫描的处理方法、装置、系统、电子装置和存储介质 | |
CN117194049B (zh) | 一种基于机器学习算法的云主机智能行为分析方法及系统 | |
CN114579916B (zh) | 一种基于大数据的信息推荐方法及系统 | |
CN117077028A (zh) | 风险预测模型的构建方法、装置、计算机设备和存储介质 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230425 |