CN117474392B - 一种种植户潜力分析系统 - Google Patents

一种种植户潜力分析系统 Download PDF

Info

Publication number
CN117474392B
CN117474392B CN202311425007.3A CN202311425007A CN117474392B CN 117474392 B CN117474392 B CN 117474392B CN 202311425007 A CN202311425007 A CN 202311425007A CN 117474392 B CN117474392 B CN 117474392B
Authority
CN
China
Prior art keywords
ith
refers
planting
technology
iuj
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.)
Active
Application number
CN202311425007.3A
Other languages
English (en)
Other versions
CN117474392A (zh
Inventor
周祖煜
张澎彬
陈煜人
杨肖
刘昕璇
林波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Xiangtian Intelligent Technology Co ltd
Original Assignee
Beijing Xiangtian Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Xiangtian Intelligent Technology Co ltd filed Critical Beijing Xiangtian Intelligent Technology Co ltd
Priority to CN202311425007.3A priority Critical patent/CN117474392B/zh
Publication of CN117474392A publication Critical patent/CN117474392A/zh
Application granted granted Critical
Publication of CN117474392B publication Critical patent/CN117474392B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06398Performance of employee with respect to a job function
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/24Classification techniques
    • G06F18/243Classification techniques relating to the number of classes
    • G06F18/2433Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/20Education
    • G06Q50/205Education administration or guidance
    • G06Q50/2057Career enhancement or continuing education service

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Educational Administration (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Educational Technology (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及数据处理领域,尤其涉及一种种植户潜力分析系统,当计算机程序被处理器执行时,实现以下步骤:根据第一种植户数据集获取到第二种植户数据集,根据第一种植户数据集和第二种植户数据集拟合得到映射关系函数集,进而获取到映射关系函数集对应的拟合准确程度集,若拟合准确程度大于预设的拟合准确程度阈值,则根据第二种植户数据集、拟合准确程度集和映射关系函数集获取到种植潜力优先级集。可知,通过拟合第一种植户数据集和第二种植户数据集之间的映射关系函数,并获取到映射关系函数对应的拟合准确程度来表征映射关系函数集的准确性和可靠程度,作为种植潜力优先级集的计算基础,提高了对新老种植户进行潜力分析的准确性和可靠性。

Description

一种种植户潜力分析系统
技术领域
本发明涉及数据处理领域,特别是涉及一种种植户潜力分析系统。
背景技术
为了提升种植户的种植能力,现阶段通常以一视同仁的方式对所有种植户进行通识教育培训,以指导种植户进行种植活动并完成培育目标。然而,不同种植户在经验、技术水平、资源条件和市场需求等方面存在差异,单一的通识培训无法满足不同种植户的培训需求,上述方法无法准确识别和培养具有潜力和发展空间的种植户,限制了种植能力的进一步提升。因此,对种植户的种植潜力进行分析对于满足种植户的培训要求、提高种植户的培训效果具有重要的意义。
在种植户的潜力分析任务中,现行技术方法通常依赖于主观判断与经验,容易受到评价者的个人偏见影响,且缺乏标准化的分析指标和分析体系,导致分析结果的准确性和可靠性较低,难以为种植户的培训提供准确可靠的指导。
因此,如何提高对种植户进行潜力分析的准确性和可靠性成为亟待解决的问题。
发明内容
针对上述技术问题,本发明采用的技术方案为一种种植户潜力分析系统,
所述系统包括处理器和存储有计算机程序的存储器,其特征在于,所述存储器还存储有第一种植户数据集A={A1,A2,……,Ai,……,Am}以及种植户平均收入D,其中,第i个种植户的第一种植户数据集Ai={Ai1,Ai2,……,Aiu,……,Aiv},Aiu={Aiu1,Aiu2,Aiu3},Aiu1是指所述第i个种植户在第u年对应的第一种植面积,Aiu2是指所述第i个种植户在第u年对种植技术的第一掌握程度,Aiu3是指所述第i个种植户在第u年的第一种植收入,i=1,2,……,m,m是指种植户的总数量,u=1,2,……,v,v是指种植户种植的年数,当所述计算机程序被处理器执行时,实现以下步骤:
S1,对A进行归一化处理后获取到第二种植户数据集B={B1,B2,……,Bi,……,Bm},其中,所述第i个种植户的第二种植户数据Bi={Bi1,Bi2,……,Biu,……,Biv},Biu={Biu1,Biu2,Biu3},Biu1是指所述第i个种植户在第u年对应的第二种植面积,Biu2是指所述第i个种植户在第u年对种植技术的第二掌握程度,Biu3是指所述第i个种植户在第u年的第二种植收入。
S2,根据A和B,拟合得到A和B之间的映射关系函数集F={F1,F2,……,Fi,……,Fm},其中,Fi是指Ai和Bi之间的映射关系函数,Aiuj对应的映射值Fi(Aiuj)=ai+biAiuj,其中,j=1、2或3,ai和bi符合如下条件:
bi=∑u=1 vj=1 3(Aiuj-P)×(Biuj-Q)/((Aiuj-P)×Aiuj),
ai=Q-bi×P,其中,P=∑u=1 vj=1 3Aiuj/(3v),Q=∑u=1 vj=1 3Biuj/(3v)。
S3,根据A、B和F,获取到F对应的拟合准确程度集C={C1,C2,……,Ci,……,Cm},其中,Ci是指Fi对应的拟合准确程度,Ci符合如下条件:
Ci=1-((∑u=1 vj=1 3(F(Aiuj)-Biuj)^2)/(∑u=1 vj=1 3(F(Aiuj)-(∑u=1 vj=1 3F(Aiuj))/(3v))^2)。
S4,若Ci>C0,则根据B、C和F,获取到A对应的种植潜力优先级集E={E1,E2,……,Ei,……,Em},其中,C0是指预设的拟合准确程度阈值,Ei是指所述第i个种植户的种植潜力优先级,Ei符合如下条件:
Ei=∑u=1 v((Biu3/D)×Ci×(H1×Fi(Aiu1)+H2×Fi(Aiu2)+H3×Fi(Aiu3))),其中,H1是指预设的种植面积优先级,H2是指预设的技术掌握程度优先级,H3是指预设的种植收入优先级。
本发明与现有技术相比具有明显的有益效果,借由上述技术方案,本发明提供的种植户潜力分析系统可达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有以下有益效果:通过对A进行归一化处理后获取到第二种植户数据集B={B1,B2,……,Bi,……,Bm},根据A和B,拟合得到A和B之间的映射关系函数集F={F1,F2,……,Fi,……,Fm},根据A、B和F,获取到F对应的拟合准确程度集C={C1,C2,……,Ci,……,Cm},若Ci>C0,则根据B、C和F,获取到A对应的种植潜力优先级集E={E1,E2,……,Ei,……,Em}。可知,通过拟合A和B之间的映射关系函数,并获取到映射关系函数对应的拟合准确程度来表征F的准确性和可靠程度,进一步结合B、C和F获取到种植潜力优先级,提高了对新老种植户进行潜力分析的准确性和可靠性。
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,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为本发明实施例提供的一种种植户潜力分析系统的执行计算机程序的流程图。
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。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
如图1所示,本实施例一提供了一种种植户潜力分析系统,所述系统包括处理器和存储有计算机程序的存储器,其特征在于,存储器还存储有第一种植户数据集A={A1,A2,……,Ai,……,Am}以及种植户平均收入D,其中,第i个种植户的第一种植户数据集Ai={Ai1,Ai2,……,Aiu,……,Aiv},Aiu={Aiu1,Aiu2,Aiu3},Aiu1是指第i个种植户在第u年对应的第一种植面积,Aiu2是指第i个种植户在第u年对种植技术的第一掌握程度,Aiu3是指第i个种植户在第u年的第一种植收入,i=1,2,……,m,m是指种植户的总数量,u=1,2,……,v,v是指种植户种植的年数,当计算机程序被处理器执行时,实现以下步骤:
S1,对A进行归一化处理后获取到第二种植户数据集B={B1,B2,……,Bi,……,Bm},其中,第i个种植户的第二种植户数据Bi={Bi1,Bi2,……,Biu,……,Biv},Biu={Biu1,Biu2,Biu3},Biu1是指第i个种植户在第u年对应的第二种植面积,Biu2是指第i个种植户在第u年对种植技术的第二掌握程度,Biu3是指第i个种植户在第u年的第二种植收入。
其中,种植户平均收入是指所有的种植户在第1年到第v年的所有收入的平均收入,所有收入中包括种植收入和非种植收入。
Aiu1是指第i个种植户在第u年对应的第一种植面积,Aiu2是指第i个种植户在第u年对种植技术的第一掌握程度,Aiu3是指第i个种植户在第u年的第一种植收入,则Aiu1、Aiu2和Aiu3越小,表征第i个种植户在种植资源、种植技术水平和种植经验等方面的自身潜力越低,需要对第i个种植户进行基础的种植培训,以提升第i个种植户的基础种植能力;Aiu1、Aiu2和Aiu3越大,表征第i个种植户在种植资源、种植技术水平和种植经验等方面的自身潜力越高,需要对第i个种植户进行更高阶的种植培训,以进一步提升第i个种植户的高阶种植能力。从而通过对各个种植户进行潜力分析,来针对性地对各个种植户进行个性化种植培训,从而提高种植户的培训效果。
例如,当种植户是种植烟草的烟农时,Aiu1是指第i个烟农在第u年种植的烟草的第一种植面积,Aiu2是指第i个烟农在第u年对烟草种植技术的第一掌握程度,Aiu3是指第i个烟农在第u年种植的烟草的第一种植收入,则Aiu1、Aiu2和Aiu3越小,表征第i个烟农在烟草种植资源、烟草种植技术水平和烟草种植经验等方面的自身潜力越低,需要对第i个烟农进行基础的烟草种植培训,以提升第i个烟农的基础烟草种植能力;Aiu1、Aiu2和Aiu3越大,表征第i个烟农在烟草种植资源、烟草种植技术水平和烟草种植经验等方面的自身潜力越高,需要对第i个烟农进行更高阶的烟草种植培训,以进一步提升第i个烟农的高阶烟草种植能力。
具体地,本实施例首先对A进行归一化处理后获取到第二种植户数据集B={B1,B2,……,Bi,……,Bm},对应地,第i个种植户的第二种植户数据Bi={Bi1,Bi2,……,Biu,……,Biv},其中,Biu={Biu1,Biu2,Biu3},Biu1是指第i个种植户在第u年对应的第二种植面积,Biu2是指第i个种植户在第u年对种植技术的第二掌握程度,Biu3是指第i个种植户在第u年的第二种植收入,作为后续对新老种植户进行潜力分析的数据基础。
本实施例对A进行归一化处理后获取到第二种植户数据集,为后续对新老种植户进行潜力分析提供了数据基础。
在一具体实施方式中,种植技术包括土壤管理技术、选种技术、育苗技术、定植技术、栽培技术和田间管理技术。
其中,本实施例中的种植技术可以由实施者根据实际情况进行设定,本实施例中可根据实际情况设定种植技术包括土壤管理技术、选种技术、育苗技术、定植技术、栽培技术和田间管理技术。则种植户对上述种植技术的掌握程度越高,表征种植户在种植资源、种植技术水平和种植经验等方面的自身潜力越高。
在一具体实施方式中,S1具体包括如下步骤:
S11,根据A,获取到第一种植面积集A1={A111,A121,……,A1u1,……,A1v1,A211,A221,……,A2u1,……,A2v1,……,Ai11,Ai21,……,Aiu1,……,Aiv1,……,Am11,Am21,……,Amu1,……,Amv1};
S12,根据A1获取到Aiu1对应的Biu1,Biu1符合如下条件:
Biu1=(Aiu1-min(A1))/(max(A1)-Aiu1),其中,min()是指取最小值函数,max()是指取最大值函数。
其中,Aiu1是指第i个种植户在第u年对应的第一种植面积,则本实施例首先根据A获取到第一种植面积集A1={A111,A121,……,A1u1,……,A1v1,A211,A221,……,A2u1,……,A2v1,……,Ai11,Ai21,……,Aiu1,……,Aiv1,……,Am11,Am21,……,Amu1,……,Amv1},并根据max(A1)和min(A1)统一对A1中的第一种植面积进行归一化处理。
具体地,Aiu1对应的Biu1=(Aiu1-min(A1))/(max(A1)-Aiu1)。
在一具体实施方式中,S1还包括如下步骤:
S13,根据A,获取到第一掌握程度集A2={A112,A122,……,A1u2,……,A1v2,A212,A222,……,A2u2,……,A2v2,……,Ai12,Ai22,……,Aiu2,……,Aiv2,……,Am12,Am22,……,Amu2,……,Amv2};
S14,根据A2获取到Aiu2对应的Biu2,Biu2符合如下条件:
Biu2=(Aiu2-min(A2))/(max(A2)-Aiu2)。
其中,Aiu2是指第i个种植户在第u年对种植技术的第一掌握程度,则本实施例首先根据A获取到第一掌握程度集A2={A112,A122,……,A1u2,……,A1v2,A212,A222,……,A2u2,……,A2v2,……,Ai12,Ai22,……,Aiu2,……,Aiv2,……,Am12,Am22,……,Amu2,……,Amv2},并根据max(A2)和min(A2)统一对A2中的第一掌握程度进行归一化处理。
具体地,Aiu2对应的Biu2=(Aiu2-min(A2))/(max(A2)-Aiu2)。
在一具体实施方式中,S1还包括如下步骤:
S15,根据A,获取到第一种植收入集A3={A113,A123,……,A1u3,……,A1v3,A213,A223,……,A2u3,……,A2v3,……,Ai13,Ai23,……,Aiu3,……,Aiv3,……,Am13,Am23,……,Amu3,……,Amv3};
S16,根据A3获取到Aiu3对应的Biu3,Biu3符合如下条件:
Biu3=(Aiu3-min(A3))/(max(A3)-Aiu3)。
其中,Aiu3是指第i个种植户在第u年的第一种植收入,则本实施例首先根据A获取到第一种植收入集A3={A113,A123,……,A1u3,……,A1v3,A213,A223,……,A2u3,……,A2v3,……,Ai13,Ai23,……,Aiu3,……,Aiv3,……,Am13,Am23,……,Amu3,……,Amv3},并根据max(A3)和min(A3)统一对A3中的第一种植收入进行归一化处理。
具体地,Aiu3对应的Biu3=(Aiu3-min(A3))/(max(A3)-Aiu3)。
本实施例根据A分别获取到第一种植面积集A1、第一掌握程度集A2和第一种植收入集A3,并根据max(A1)和min(A1)统一对A1中的第一种植面积进行归一化处理、根据max(A2)和min(A2)统一对A2中的第一掌握程度进行归一化处理、根据max(A3)和min(A3)统一对A3中的第一种植收入进行归一化处理,获取到A对应的B,为后续对新老种植户进行潜力分析提供了数据基础。
在一具体实施方式中,存储器还存储有技术掌握程度集R={R1,R2,……,Ri,……,Rm}和技术优先级集G={G1,G2,G3,G4,G5,G6};
其中,第i个种植户的技术掌握程度集Ri={Ri1,Ri2,……,Riu,……,Riv},Riu={Riu1,Riu2,Riu3,Riu4,Riu5,Riu6},Riu1是指第i个种植户在第u年针对土壤管理技术的技术掌握程度,Riu2是指第i个种植户在第u年针对选种技术的技术掌握程度,Riu3是指第i个种植户在第u年针对育苗技术的技术掌握程度,Riu4是指第i个种植户在第u年针对定值技术的技术掌握程度,Riu5是指第i个种植户在第u年针对栽培技术的技术掌握程度,Riu6是指第i个种植户在第u年针对田间管理技术的技术掌握程度;
G1是指土壤管理技术对应的技术优先级,G2是指选种技术对应的技术优先级,G3是指育苗技术对应的技术优先级,G4是指定值技术对应的技术优先级,G5是指栽培技术对应的技术优先级,G6是指田间管理技术对应的技术优先级,Aiu2符合如下条件:
Aiu2=∑k=1 6(Riuk×Gk),其中,k=1,2,3,4,5,6。
其中,技术掌握程度是指各个种植户对种植技术中的各类技术的掌握程度,本实施例中的种植技术包括土壤管理技术、选种技术、育苗技术、定植技术、栽培技术和田间管理技术,对应地,Riu1是指第i个种植户在第u年针对土壤管理技术的技术掌握程度,Riu2是指第i个种植户在第u年针对选种技术的技术掌握程度,Riu3是指第i个种植户在第u年针对育苗技术的技术掌握程度,Riu4是指第i个种植户在第u年针对定值技术的技术掌握程度,Riu5是指第i个种植户在第u年针对栽培技术的技术掌握程度,Riu6是指第i个种植户在第u年针对田间管理技术的技术掌握程度。
且Riuk越大,表征第i个种植户在第u年对种植技术的第一掌握程度Aiu2越大。
为了提高Aiu2的准确性,本实施例考虑种植技术中不同类别的技术对种植质量的影响,因此,系统中还包括技术优先级集G={G1,G2,G3,G4,G5,G6},具体地,G1是指土壤管理技术对应的技术优先级,G2是指选种技术对应的技术优先级,G3是指育苗技术对应的技术优先级,G4是指定值技术对应的技术优先级,G5是指栽培技术对应的技术优先级,G6是指田间管理技术对应的技术优先级。
且技术优先级越大,表征种植技术中对应类别的技术的技术掌握程度对Aiu2的重要性越高,因此,在本实施例中,Aiu2=∑k=1 6(Riuk×Gk)。
其中,G1,G2,G3,G4,G5,G6的具体数值和大小关系可以由实施者根据实际情况进行设定,以适应不同类别的种植作物,提高了Aiu2的准确性和适用范围。
S2,根据A和B,拟合得到A和B之间的映射关系函数集F={F1,F2,……,Fi,……,Fm},其中,Fi是指Ai和Bi之间的映射关系函数,Aiuj对应的映射值Fi(Aiuj)=ai+biAiuj,其中,j=1、2或3,ai和bi符合如下条件:
bi=∑u=1 vj=1 3(Aiuj-P)×(Biuj-Q)/((Aiuj-P)×Aiuj),
ai=Q-bi×P,其中,P=∑u=1 vj=1 3Aiuj/(3v),Q=∑u=1 vj=1 3Biuj/(3v)。
其中,为了便于后续对新种植户进行潜力分析,本实施例根据已知的m个种植户的第一种植户数据集A和对应的第二种植户数据集B,对第一种植户数据和对应的第二种植户数据进行关系拟合,并获取到A和B之间的映射关系函数集F={F1,F2,……,Fi,……,Fm}。
其中,Fi是指Ai和Bi之间的映射关系函数,具体地,首先根据A和B获取到bi=∑u=1 vj=1 3(Aiuj-P)×(Biuj-Q)/((Aiuj-P)×Aiuj),以及ai=Q-bi×P,其中,P=∑u=1 vj=1 3Aiuj/(3v),Q=∑u=1 vj=1 3Biuj/(3v),则Aiuj对应的映射值Fi(Aiuj)=ai+biAiuj,以作为对种植户进行潜力分析的基础。
本实施例根据A和B,拟合得到A和B之间的映射关系函数集F,为对种植户进行潜力分析提供了数据基础。
S3,根据A、B和F,获取到F对应的拟合准确程度集C={C1,C2,……,Ci,……,Cm},其中,Ci是指Fi对应的拟合准确程度,Ci符合如下条件:
Ci=1-((∑u=1 vj=1 3(F(Aiuj)-Bij)^2)/(∑u=1 vj=1 3(F(Aiuj)-(∑u=1 vj=1 3F(Aiuj))/(3v))^2)。
其中,为了表征F的准确性和可靠程度,本实施例根据A、B和F,获取到F对应的拟合准确程度集C,具体地,Fi对应的拟合准确程度Ci=1-((∑u=1 vj=1 3(F(Aiuj)-Bij)^2)/(∑u=1 vj=1 3(F(Aiuj)-(∑u=1 vj=1 3F(Aiuj))/(3v))^2)。则Ci越大,表征Fi的准确性和可靠程度越高。
本实施例根据A、B和F,获取到F对应的拟合准确程度集C,用来表征F的准确性和可靠程度,并作为对种植户进行潜力分析的基础,从而提高了对对种植户进行潜力分析的准确性和可靠性。
S4,若Ci>C0,则根据B、C和F,获取到A对应的种植潜力优先级集E={E1,E2,……,Ei,……,Em},其中,C0是指预设的拟合准确程度阈值,Ei是指第i个种植户的种植潜力优先级,Ei符合如下条件:
Ei=∑u=1 v((Biu3/D)×Ci×(H1×Fi(Aiu1)+H2×Fi(Aiu2)+H3×Fi(Aiu3))),其中,H1是指预设的种植面积优先级,H2是指预设的技术掌握程度优先级,H3是指预设的种植收入优先级。
其中,若Ci>C0,则表征Fi的准确性和可靠程度较高,Fi可以用于计算种植户的种植潜力优先级,并结合实施者根据实际情况设定预设的种植面积优先级H1、预设的技术掌握程度优先级H2和预设的种植收入优先级H3,来提高种植户的种植潜力优先级的准确性。
Biu3在种植户平均收入D中的占比越高,表征种植户的种植潜力收到经济环境因素的影响程度越高,因此,第i个种植户的种植潜力优先级Ei=∑u=1 v((Biu3/D)×Ci×(H1×Fi(Aiu1)+H2×Fi(Aiu2)+H3×Fi(Aiu3)))。
其中,H1、H2和H3的具体数值和C0的具体数值均由实施者根据实际情况调整,以适应不同类别的种植作物,提高了种植潜力优先级的准确性和适用范围。
在一具体实施方式中,C0=0.8。
其中,Ci的取值在0-1之间,因此,本实施例设置拟合准确程度阈值C0=0.8。
在一具体实施方式中,S4后还包括以下步骤:
S5,若Ci≤C0,则根据A和B,获取到种植户数据异常程度集L={L1,L2,……,Li,……,Lm},其中,第i个种植户对应的种植户数据异常程度集Li={Li1,Li2,……,Liu,……,Liv},Liu={Liu1,Liu2,Liu3},Liu1根据Aiu1和Biu1得到,用于表示第i个种植户在第u年的种植面积异常数据,Liu2根据Aiu2和Biu2得到,用于表示第i个种植户在第u年对种植技术的掌握程度的异常数据,Liu3根据Aiu3和Biu3得到,用于表示第i个种植户在第u年种植收入的异常数据,Liuj符合如下条件:
Liuj=|Aiuj/P-Biuj/Q|;
S6,若Liuj>L0,则将Aiu从A中剔除,将Biu从B中剔除,并获取到更新后的第一种植户数据集A0和更新后的第二种植户数据集B0,其中,L0是指预设的种植户数据异常程度阈值;
S7,根据A0和B0,拟合得到A0和B0之间的更新后的映射关系函数集F0={F0 1,F0 2,……,F0 i,……,F0 m},其中,F0 i是指A0 i和B0 i之间的映射关系函数;
S8,根据A0、B0和F0,获取到F0对应的更新后的拟合准确程度集C0={C0 1,C0 2,……,C0 i,……,C0 m},其中,C0 i是指F0 i对应的拟合准确程度;
S9,若C0 i>C0,则根据B0、C0和F0,获取到A0对应的更新后的种植潜力优先级集E0={E0 1,E0 2,……,E0 i,……,E0 m},其中,E0 i是指第i个种植户的更新后的种植潜力优先级,E0 i符合如下条件:
E0 i=∑u=1 v((Biu3/D)×C0 i×(H1×F0 i(Aiu1)+H2×F0 i(Aiu2)+H3×F0 i(Aiu3))),其中,F0 i(Aiu1)是指Aiu1
对应的更新后的映射值,F0 i(Aiu2)是指Aiu2对应的更新后的映射值,F0 i(Aiu3)是指Aiu3对应的更新后的映射值。
其中,若Ci≤C0,表征Fi的准确性和可靠程度较低,根据Fi计算得到的种植潜力优先级的准确性和可靠性较低。因此,本实施例根据A和B,获取到种植户数据异常程度集L={L1,L2,……,Li,……,Lm},其中,Aiuj和Biuj对应的种植户数据异常程度Liuj=|Aiuj/P-Biuj/Q|。
若Liuj>L0,则表征Aiuj和Biuj对应的种植户数据异常程度较高。因此,本实施例在Liuj>L0时将Aiu从A中剔除,将Biu从B中剔除,并获取到更新后的第一种植户数据集A0和更新后的第二种植户数据集B0,以使用剔除了异常值的A0和B0来替换A和B,进一步更新映射关系函数集和拟合准确程度集,从而更新得到准确性更高的种植潜力优先级。
具体地,根据A0和B0,拟合得到A0和B0之间的更新后的映射关系函数集F0={F0 1,F0 2,……,F0 i,……,F0 m},然后根据A0、B0和F0,获取到F0对应的更新后的拟合准确程度集C0={C0 1,C0 2,……,C0 i,……,C0 m},并在C0 i>C0时,根据B0、C0和F0,获取到A0对应的更新后的种植潜力优先级集E0={E0 1,E0 2,……,E0 i,……,E0 m},以提高种植潜力优先级的准确性和可靠性。
本实施例根据A和B,获取到种植户数据异常程度集L,并将A和B中对应的种植户数据异常程度大于预设的种植户数据异常程度阈值的Aiu和Biu作为异常值进行剔除,使用剔除了异常值的A0和B0来替换A和B,进一步更新映射关系函数集和拟合准确程度集,从而更新得到了准确性更高的种植潜力优先级,提高了种植户的种植潜力优先级的准确性和可靠性。
本实施例对A进行归一化处理后获取到第二种植户数据集B={B1,B2,……,Bi,……,Bm},根据A和B,拟合得到A和B之间的映射关系函数集F={F1,F2,……,Fi,……,Fm},根据A、B和F,获取到F对应的拟合准确程度集C={C1,C2,……,Ci,……,Cm},若Ci>C0,则根据B、C和F,获取到A对应的种植潜力优先级集E={E1,E2,……,Ei,……,Em}。可知,通过拟合A和B之间的映射关系函数,并获取到映射关系函数对应的拟合准确程度来表征F的准确性和可靠程度,进一步结合B、C和F获取到种植潜力优先级,提高了对新老种植户进行潜力分析的准确性和可靠性。
虽然已经通过示例对本发明的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本发明的范围。本领域的技术人员还应理解,可以对实施例进行多种修改而不脱离本发明的范围和精神。本发明开的范围由所附权利要求来限定。

Claims (6)

1.一种种植户潜力分析系统,所述系统包括处理器和存储有计算机程序的存储器,其特征在于,所述存储器还存储有第一种植户数据集A={A1,A2,……,Ai,……,Am}以及种植户平均收入D,其中,第i个种植户的第一种植户数据集Ai={Ai1,Ai2,……,Aiu,……,Aiv},Aiu={Aiu1,Aiu2,Aiu3},Aiu1是指所述第i个种植户在第u年对应的第一种植面积,Aiu2是指所述第i个种植户在第u年对种植技术的第一掌握程度,Aiu3是指所述第i个种植户在第u年的第一种植收入,所述种植技术包括土壤管理技术、选种技术、育苗技术、定植技术、栽培技术和田间管理技术,i=1,2,……,m,m是指种植户的总数量,u=1,2,……,v,v是指种植户种植的年数,当所述计算机程序被处理器执行时,实现以下步骤:
S1,对A进行归一化处理后获取到第二种植户数据集B={B1,B2,……,Bi,……,Bm},其中,所述第i个种植户的第二种植户数据Bi={Bi1,Bi2,……,Biu,……,Biv},Biu={Biu1,Biu2,Biu3},Biu1是指所述第i个种植户在第u年对应的第二种植面积,Biu2是指所述第i个种植户在第u年对种植技术的第二掌握程度,Biu3是指所述第i个种植户在第u年的第二种植收入;
S2,根据A和B,拟合得到A和B之间的映射关系函数集F={F1,F2,……,Fi,……,Fm},其中,Fi是指Ai和Bi之间的映射关系函数,Aiuj对应的映射值Fi(Aiuj)=ai+biAiuj,其中,j=1、2或3,ai和bi符合如下条件:
bi=∑u=1 vj=1 3(Aiuj-P)×(Biuj-Q)/((Aiuj-P)×Aiuj),
ai=Q-bi×P,其中,P=∑u=1 vj=1 3Aiuj/(3v),Q=∑u=1 vj=1 3Biuj/(3v);
S3,根据A、B和F,获取到F对应的拟合准确程度集C={C1,C2,……,Ci,……,Cm},其中,Ci是指Fi对应的拟合准确程度,Ci符合如下条件:
Ci=1-((∑u=1 vj=1 3(F(Aiuj)-Biuj)^2)/(∑u=1 vj=1 3(F(Aiuj)-(∑u=1 vj=1 3F(Aiuj))/(3v))^2);
S4,若Ci>C0,则根据B、C和F,获取到A对应的种植潜力优先级集E={E1,E2,……,Ei,……,Em},其中,C0是指预设的拟合准确程度阈值,Ei是指所述第i个种植户的种植潜力优先级,Ei符合如下条件:
Ei=∑u=1 v((Biu3/D)×Ci×(H1×Fi(Aiu1)+H2×Fi(Aiu2)+H3×Fi(Aiu3))),其中,H1是指预设的种植面积优先级,H2是指预设的技术掌握程度优先级,H3是指预设的种植收入优先级;
S5,若Ci≤C0,则根据A和B,获取到种植户数据异常程度集L={L1,L2,……,Li,……,Lm},其中,第i个种植户对应的种植户数据异常程度Li={Li1,Li2,……,Liu,……,Liv},Liu={Liu1,Liu2,Liu3},Liu1根据Aiu1和Biu1得到,用于表示第i个种植户在第u年的种植面积异常数据,Liu2根据Aiu2和Biu2得到,用于表示第i个种植户在第u年对种植技术的掌握程度的异常数据,Liu3根据Aiu3和Biu3得到,用于表示第i个种植户在第u年种植收入的异常数据,Liuj符合如下条件:
Liuj=|Aiuj/P-Biuj/Q|;
S6,若Liuj>L0,则将Aiu从A中剔除,将Biu从B中剔除,并获取到更新后的第一种植户数据集A0和更新后的第二种植户数据集B0,其中,L0是指预设的种植户数据异常程度阈值;
S7,根据A0和B0,拟合得到A0和B0之间的更新后的映射关系函数集F0={F0 1,F0 2,……,F0 i,……,F0 m},其中,F0 i是指A0 i和B0 i之间的映射关系函数;
S8,根据A0、B0和F0,获取到F0对应的更新后的拟合准确程度集C0={C0 1,C0 2,……,C0 i,……,C0 m},其中,C0 i是指F0 i对应的拟合准确程度;
S9,若C0 i>C0,则根据B0、C0和F0,获取到A0对应的更新后的种植潜力优先级集E0={E0 1,E0 2,……,E0 i,……,E0 m},其中,E0 i是指所述第i个种植户的更新后的种植潜力优先级,E0 i符合如下条件:
E0 i=∑u=1 v((Biu3/D)×C0 i×(H1×F0 i(Aiu1)+H2×F0 i(Aiu2)+H3×F0 i(Aiu3))),其中,F0 i(Aiu1)是指Aiu1
对应的更新后的映射值,F0 i(Aiu2)是指Aiu2对应的更新后的映射值,F0 i(Aiu3)是指Aiu3对应的更新后的映射值。
2.根据权利要求1所述的系统,其特征在于,S1具体包括如下步骤:
S11,根据A,获取到第一种植面积集A1={A111,A121,……,A1u1,……,A1v1,A211,A221,……,A2u1,……,A2v1,……,Ai11,Ai21,……,Aiu1,……,Aiv1,……,Am11,Am21,……,Amu1,……,Amv1};
S12,根据A1获取到Aiu1对应的Biu1,Biu1符合如下条件:
Biu1=(Aiu1-min(A1))/(max(A1)-Aiu1),其中,min()是指取最小值函数,max()是指取最大值函数。
3.根据权利要求2所述的系统,其特征在于,S1还包括如下步骤:
S13,根据A,获取到第一掌握程度集A2={A112,A122,……,A1u2,……,A1v2,A212,A222,……,A2u2,……,A2v2,……,Ai12,Ai22,……,Aiu2,……,Aiv2,……,Am12,Am22,……,Amu2,……,Amv2};
S14,根据A2获取到Aiu2对应的Biu2,Biu2符合如下条件:
Biu2=(Aiu2-min(A2))/(max(A2)-Aiu2)。
4.根据权利要求3所述的系统,其特征在于,S1还包括如下步骤:
S15,根据A,获取到第一种植收入集A3={A113,A123,……,A1u3,……,A1v3,A213,A223,……,A2u3,……,A2v3,……,Ai13,Ai23,……,Aiu3,……,Aiv3,……,Am13,Am23,……,Amu3,……,Amv3};
S16,根据A3获取到Aiu3对应的Biu3,Biu3符合如下条件:
Biu3=(Aiu3-min(A3))/(max(A3)-Aiu3)。
5.根据权利要求1所述的系统,其特征在于,所述存储器还存储有技术掌握程度集R={R1,R2,……,Ri,……,Rm}和技术优先级集G={G1,G2,G3,G4,G5,G6};
其中,所述第i个种植户的技术掌握程度集Ri={Ri1,Ri2,……,Riu,……,Riv},Riu={Riu1,Riu2,Riu3,Riu4,Riu5,Riu6},Riu1是指所述第i个种植户在第u年针对土壤管理技术的技术掌握程度,Riu2是指所述第i个种植户在第u年针对选种技术的技术掌握程度,Riu3是指所述第i个种植户在第u年针对育苗技术的技术掌握程度,Riu4是指所述第i个种植户在第u年针对定值技术的技术掌握程度,Riu5是指所述第i个种植户在第u年针对栽培技术的技术掌握程度,Riu6是指所述第i个种植户在第u年针对田间管理技术的技术掌握程度;
G1是指土壤管理技术对应的技术优先级,G2是指选种技术对应的技术优先级,G3是指育苗技术对应的技术优先级,G4是指定值技术对应的技术优先级,G5是指栽培技术对应的技术优先级,G6是指田间管理技术对应的技术优先级,Aiu2符合如下条件:
Aiu2=∑k=1 6(Riuk×Gk),其中,k=1,2,3,4,5,6。
6.根据权利要求1所述的系统,其特征在于,C0=0.8。
CN202311425007.3A 2023-10-30 2023-10-30 一种种植户潜力分析系统 Active CN117474392B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311425007.3A CN117474392B (zh) 2023-10-30 2023-10-30 一种种植户潜力分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311425007.3A CN117474392B (zh) 2023-10-30 2023-10-30 一种种植户潜力分析系统

Publications (2)

Publication Number Publication Date
CN117474392A CN117474392A (zh) 2024-01-30
CN117474392B true CN117474392B (zh) 2024-05-03

Family

ID=89639105

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311425007.3A Active CN117474392B (zh) 2023-10-30 2023-10-30 一种种植户潜力分析系统

Country Status (1)

Country Link
CN (1) CN117474392B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017113774A1 (zh) * 2015-12-28 2017-07-06 中兴通讯股份有限公司 一种无线通讯系统用户优先级的判别方法及装置
WO2020177232A1 (zh) * 2019-03-07 2020-09-10 云南省农业科学院甘蔗研究所 一种基于综合适宜度指数的甘蔗种植区划方法
CN113112165A (zh) * 2021-04-20 2021-07-13 武荣盛 一种作物气候产量潜力的分析方法
CN114579839A (zh) * 2022-03-17 2022-06-03 杭州云深科技有限公司 一种基于网页的数据处理系统
WO2022179123A1 (zh) * 2021-02-24 2022-09-01 深圳壹账通智能科技有限公司 数据更新及展示方法、装置、电子设备及存储介质
CN115410104A (zh) * 2022-09-16 2022-11-29 湖南胜云光电科技有限公司 一种获取飞行器的图像采集点的数据处理系统
CN116956076A (zh) * 2023-09-20 2023-10-27 奇点数联(北京)科技有限公司 一种用户数量异常状态的提示系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017113774A1 (zh) * 2015-12-28 2017-07-06 中兴通讯股份有限公司 一种无线通讯系统用户优先级的判别方法及装置
WO2020177232A1 (zh) * 2019-03-07 2020-09-10 云南省农业科学院甘蔗研究所 一种基于综合适宜度指数的甘蔗种植区划方法
WO2022179123A1 (zh) * 2021-02-24 2022-09-01 深圳壹账通智能科技有限公司 数据更新及展示方法、装置、电子设备及存储介质
CN113112165A (zh) * 2021-04-20 2021-07-13 武荣盛 一种作物气候产量潜力的分析方法
CN114579839A (zh) * 2022-03-17 2022-06-03 杭州云深科技有限公司 一种基于网页的数据处理系统
CN115410104A (zh) * 2022-09-16 2022-11-29 湖南胜云光电科技有限公司 一种获取飞行器的图像采集点的数据处理系统
CN116956076A (zh) * 2023-09-20 2023-10-27 奇点数联(北京)科技有限公司 一种用户数量异常状态的提示系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
三峡库区不同规模柑桔园的果农行为与经济效益分析;熊晓山;文泽富;宋光煜;谢德体;;中国南方果树;20060130(第01期);全文 *

Also Published As

Publication number Publication date
CN117474392A (zh) 2024-01-30

Similar Documents

Publication Publication Date Title
US20150234785A1 (en) Prediction apparatus and method for yield of agricultural products
EP3550498A1 (en) Information processing device and information processing system
US20130317872A1 (en) Agricultural work support method and apparatus
Dambreville et al. Analysing growth and development of plants jointly using developmental growth stages
CN115983509B (zh) 基于物联网的智慧农业用布局管理系统及方法
CN115860581B (zh) 农作物品种适宜性评价方法、装置、设备及存储介质
JP2018185800A (ja) 推奨作物のプロトコルに対する順守度を推測するシステムおよび方法
EP3032473A1 (en) Method and system for classifying plant disease through crowdsourcing using a mobile communication device
Darekar et al. Predicting market price of soybean in major India studies through ARIMA model
Concenço et al. Phytosociological surveys in weed science: Old concept, new approach
CN117474392B (zh) 一种种植户潜力分析系统
WO2010129168A2 (en) Real-time process for targeting trait phenotyping of plant breeding experiments
Yue et al. An evaluation of US tart and sweet cherry producers trait prioritization: evidence from audience surveys
CN114782837B (zh) 种植物估产方法、装置、电子设备和存储介质
CN113010529A (zh) 基于知识图谱的作物管理方法和装置
CN116186392A (zh) 柑橘品种的种植推荐方法、装置、终端设备和存储介质
Wu et al. A comprehensive methodology of global sensitivity analysis for complex mechanistic models with an application to plant growth
WO2023035066A1 (en) Soil property model using measurements of properties of nearby zones
CN112710661B (zh) 一种马铃薯育种监测分析方法及系统
Jackson et al. An introduction to some concepts in statistical analysis and quantitative genetics for sugarcane breeding programs
JP2017051118A (ja) 特性推定モデル生成装置および方法、解析対象の特性推定装置および方法
Khan et al. Determining technical, allocative and cost efficiencies of rice farmers in Kedah, Malaysia using data envelopment analysis
CN117235322B (zh) 作物耐盐高产品种筛选方法、装置、电子设备及存储介质
Zhan et al. Rapid online plant leaf area change detection with high-throughput plant image data
WO2023119529A1 (ja) 生育予測装置、生育予測方法、及び生育予測プログラム

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
GR01 Patent grant
GR01 Patent grant