CN117593119A - 农业贷款方案的确定方法、装置、电子设备和存储介质 - Google Patents
农业贷款方案的确定方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117593119A CN117593119A CN202410071893.2A CN202410071893A CN117593119A CN 117593119 A CN117593119 A CN 117593119A CN 202410071893 A CN202410071893 A CN 202410071893A CN 117593119 A CN117593119 A CN 117593119A
- Authority
- CN
- China
- Prior art keywords
- loan
- target
- agricultural
- determining
- planting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims abstract description 84
- 238000012502 risk assessment Methods 0.000 claims abstract description 71
- 238000003306 harvesting Methods 0.000 claims abstract description 68
- 230000003828 downregulation Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 11
- 230000003827 upregulation Effects 0.000 claims description 14
- 238000004140 cleaning Methods 0.000 claims description 10
- 230000002222 downregulating effect Effects 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 239000002689 soil Substances 0.000 description 15
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000012954 risk control Methods 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 238000010224 classification analysis Methods 0.000 description 3
- 238000007621 cluster analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000012731 temporal analysis Methods 0.000 description 3
- 238000000700 time series analysis Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000035764 nutrition Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000009331 sowing Methods 0.000 description 2
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/03—Credit; Loans; Processing thereof
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
Abstract
本发明提供一种农业贷款方案的确定方法、装置、电子设备和存储介质，涉及计算机技术领域。方法包括：确定待贷款农户所拥有的目标农田；基于目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，农业数据包括影响作物收成的数据，任一风险评估结果包括第一评估结果或第二评估结果，第一评估结果表征影响作物收成，第二评估结果表征不影响作物收成；基于多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率；基于待贷款农户所需贷款的目标贷款金额与目标贷款比率的乘积，确定第一实际贷款额度；基于第一实际贷款额度，确定待贷款农户的农业贷款方案。本发明可以提高农业贷款方案的确定准确性。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种农业贷款方案的确定方法、装置、电子设备和存储介质。
背景技术
随着农业技术的快速发展，农业生产规模越来越大，导致农户对农业贷款的需求也随之增加。为满足贷款需求，需要先确定贷款者对应的贷款方案，传统对于常规贷款者，可以根据征信记录、抵押物、消费记录、资产等进行风险评估，进而确定贷款方案；然而，由于农户大多年龄偏大，且征信记录少，若按照上述方式确定农业贷款方案并不准确。因此，如何确定农业贷款方案是目前亟需解决的需求。
目前，通过待贷款农户的农田规模，简单确定贷款额度，进而简单确定贷款方案。然而，仅仅考虑农田规模并不准确，即使农田规模大，但其还款能力并不一定高。因此，如何提高农业贷款方案的确定准确性，是目前亟需解决的技术问题。
发明内容
本发明提供一种农业贷款方案的确定方法、装置、电子设备和存储介质，用以解决现有技术中农业贷款方案的确定准确性低的缺陷，实现高准确性的农业贷款方案确定方式。
本发明提供一种农业贷款方案的确定方法，包括：
确定待贷款农户所拥有的目标农田；
基于所述目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，所述农业数据包括影响作物收成的数据，任一所述风险评估结果包括第一评估结果或第二评估结果，所述第一评估结果表征影响作物收成，所述第二评估结果表征不影响作物收成；
基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率；
基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度；
基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案；
其中，若所述风险评估结果为所述第一评估结果，则下调所述预设贷款比率。
根据本发明提供的一种农业贷款方案的确定方法，所述确定待贷款农户所拥有的目标农田，之后还包括：
基于所述目标农田的农业数据，确定所述目标农田在当前贷款时刻对应的目标种植方案；
所述基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度，包括：
若所述待贷款农户之前已贷过款，获取所述目标农田在上一贷款时刻对应的实际种植方案，并获取所述目标农田在上一贷款时刻对应的目标种植方案；
若所述目标农田在上一贷款时刻对应的实际种植方案与所述目标农田在上一贷款时刻对应的目标种植方案不相同，对所述目标贷款比率进行下调处理，得到下调后的目标贷款比率，基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度；或，
若所述目标农田在上一贷款时刻对应的实际种植方案与所述目标农田在上一贷款时刻对应的目标种植方案不相同，将所述第一实际贷款额度确定为0；
若所述待贷款农户之前未贷过款，将所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率进行相乘，得到第一实际贷款额度。
根据本发明提供的一种农业贷款方案的确定方法，所述基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度，包括：
若所述下调后的目标贷款比率大于或等于预设比率阈值，基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度；
若所述下调后的目标贷款比率小于预设比率阈值，将所述第一实际贷款额度确定为0。
根据本发明提供的一种农业贷款方案的确定方法，所述目标农田的农业数据是基于如下方式获取：
采集多个农田的农业数据，得到农业大数据；
对所述农业大数据进行数据清洗；
从数据清洗后的农业大数据中获取所述目标农田的农业数据。
根据本发明提供的一种农业贷款方案的确定方法，所述基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率，包括：
从所述多种风险评估结果中确定出为所述第一评估结果的至少一种目标风险评估结果；
将各所述目标风险评估结果对应的预设下调比率进行相加，得到总下调比率；
基于预设贷款比率与所述总下调比率的差值，确定目标贷款比率。
根据本发明提供的一种农业贷款方案的确定方法，所述基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案，包括：
基于所述目标农田的农业数据，确定所述目标农田在当前贷款时刻对应的目标种植方案，所述目标种植方案包括多个种植建议；
对所述多个种植建议进行组合，得到多个种植建议组合；
基于所述第一实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案。
根据本发明提供的一种农业贷款方案的确定方法，所述基于所述第一实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案，包括：
基于各所述种植建议组合对应的上调比率，分别对所述第一实际贷款额度进行上调处理，得到各所述种植建议组合对应的第二实际贷款额度；
基于各所述第二实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案。
本发明还提供一种农业贷款方案的确定装置，包括：
农田确定模块，用于确定待贷款农户所拥有的目标农田；
风险评估模块，用于基于所述目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，所述农业数据包括影响作物收成的数据，任一所述风险评估结果包括第一评估结果或第二评估结果，所述第一评估结果表征影响作物收成，所述第二评估结果表征不影响作物收成；
比率下调模块，用于基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率；
额度确定模块，用于基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度；
方案确定模块，用于基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案；
其中，若所述风险评估结果为所述第一评估结果，则下调所述预设贷款比率。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述农业贷款方案的确定方法。
本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述农业贷款方案的确定方法。
本发明提供的农业贷款方案的确定方法、装置、电子设备和存储介质，确定待贷款农户所拥有的目标农田，以基于目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，且农业数据包括影响作物收成的数据，任一风险评估结果包括第一评估结果或第二评估结果，第一评估结果表征影响作物收成，第二评估结果表征不影响作物收成，从而评估目标农田的作物收成是否受到影响，而作物收成将会影响还款能力，基于此间接进行放贷风险评估，从而提高农业贷款方案的确定准确性，且进行多种风险评估，得到多种风险评估结果，从各方面进行风险评估，确保各种影响作物收成的因素均考虑到，从而提高农业贷款方案的确定准确性；基于多种风险评估结果，更为准确地对预设贷款比率进行下调处理，得到目标贷款比率，以基于待贷款农户所需贷款的目标贷款金额与目标贷款比率的乘积，更为准确地确定第一实际贷款额度，以基于第一实际贷款额度，更为准确地确定待贷款农户的农业贷款方案，最终提高农业贷款方案的确定准确性；同时，通过上述方式，可以自动快速地确定农业贷款方案，进而提高农业贷款方案的确定效率。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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为本发明提供的农业贷款方案的确定方法的流程示意图；
图2为本发明提供的农业贷款方案的确定装置的结构示意图；
图3为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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，本领域普通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。
随着农业技术的快速发展，以及农业现代化的迅速发展，农业生产规模越来越大，导致农户对农业贷款的需求也随之增加。为满足贷款需求，需要先确定贷款者对应的贷款方案，传统对于常规贷款者，可以根据征信记录、抵押物、消费记录、资产等进行风险评估，进而确定贷款方案；然而，由于农户大多年龄偏大，且征信记录少，若按照上述方式确定农业贷款方案并不准确。因此，如何确定农业贷款方案是目前亟需解决的需求。
目前，通过待贷款农户的农田规模，简单确定贷款额度，进而简单确定贷款方案。然而，仅仅考虑农田规模并不准确，即使农田规模大，但其还款能力并不一定高。因此，如何提高农业贷款方案的确定准确性，是目前亟需解决的技术问题。
此外，简单地确定农业贷款方案，对于农户来说，获得贷款的成功率非常低，且贷款机构也面临贷款风险的挑战。
针对上述问题，本发明提出以下各实施例。图1为本发明提供的农业贷款方案的确定方法的流程示意图，如图1所示，该农业贷款方案的确定方法包括：
步骤110，确定待贷款农户所拥有的目标农田。
此处，待贷款农户为有贷款需求的农户，该待贷款农户提出贷款需求时，可以确定待贷款农户所拥有的目标农田。应理解，获取目标农田的位置信息，进而基于位置信息确定目标农田。
待贷款农户所拥有的目标农田可以为多个，基于此，确定待贷款农户所拥有的至少一个目标农田，从而将所拥有的农田均考虑在内，提高农业贷款方案的确定准确性。
在一实施例中，获取待贷款农户的征信记录，基于该征信记录确定该待贷款农户是否可以贷款，若待贷款农户可以贷款，则确定待贷款农户所拥有的目标农田。
进一步地，基于目标农田的农业数据，确定目标农田在当前贷款时刻对应的目标种植方案，以供给待贷款农户种植建议，以供待贷款农户更好地种植，进而提高作物产量和质量，最终提高作物收成，以间接降低农户的风险，进而降低不良贷款率。
步骤120，基于所述目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，所述农业数据包括影响作物收成的数据，任一所述风险评估结果包括第一评估结果或第二评估结果，所述第一评估结果表征影响作物收成，所述第二评估结果表征不影响作物收成。
此处，农业数据包括影响作物收成的数据，进而基于该农业数据进行风险评估，可以评估目标农田的作物收成是否会受到影响，若受到影响则风险提高，若不受到影响则风险降低。
该农业数据可以包括但不限于以下至少一种：气象数据、遥感数据、土地生产力数据、病虫害数据和土壤数据（如土壤水分、土壤养分等）等等。应理解，根据需求所有影响作物收成的农业环境数据、农业产品数据和农户相关数据等等，均可以作为风险评估的农业数据。进一步地，可以基于遥感数据确定农作物生长数据，以使农业数据包括农作物生长数据。进一步地，该农业数据包括通过传感器采集得到的数据。
待贷款农户所拥有的目标农田可以为多个，基于此，基于至少一个目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，该多种风险评估结果包括各目标农田的各种风险评估对应的风险评估结果，从而将所拥有的农田均考虑在内，提高农业贷款方案的确定准确性。
示例性的，其中一个风险评估为冰雹风险评估，基于此，农业数据可以包括气象数据，以基于气象数据进行冰雹风险评估，得到冰雹风险评估结果，若冰雹风险评估结果为目标农田将发生冰雹灾害，则对应的风险评估结果为第一评估结果，若冰雹风险评估结果为目标农田不发生冰雹灾害，则对应的风险评估结果为第二评估结果。又例如，农业数据包括历史气象数据，基于历史气象数据，若确定目标农田在上一年度发生冰雹，则对应的风险评估结果为第一评估结果。
应理解，各种风险评估的方式可以根据实际需要设定，并可以采用现有的风险评估方式进行评估，此处不再一一赘述。
进一步地，农业数据为当前时刻之前预设时间段内的数据，从而通过分析近段时间的农业数据，模拟出未来趋势的走向，进而对可能发生的灾害进行评估。
进一步地，农业数据包括历史数据和未来数据，从而更好地模拟出未来趋势的走向。例如，对于气象数据，气象的未来数据可以通过天气预报获得；对于土壤数据，土壤的未来数据可以通过预测获得。
进一步地，一个目标农田可能是大区域，基于此，农业数据包括目标农田的多个子区域的数据，从而提高农业数据的精准性，进而提高风险评估的准确性，最终提高农业贷款方案的确定准确性。例如，将农业数据精准到40平方米的范围，每一40平方米的范围以其中心点的数据为准。
此外，基于农业数据进行风险评估所采用的算法可以根据实际需要进行设定，例如，聚类分析、分类分析、回归分析、时间序列分析等等；为了提高多种风险评估的准确性，也可以采用多模型的趋势递推算法。
步骤130，基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率。
其中，若所述风险评估结果为所述第一评估结果，则下调所述预设贷款比率。即多种风险评估结果中存在一个第一评估结果，则下调一次贷款比率；若风险评估结果为第二评估结果，则不下调预设贷款比率。
此处，预设贷款比率可以根据实际需要进行设定，该预设贷款比率最大为100%。本发明实施例可以以预设贷款比率为100%为例进行说明。
在一实施例中，从多种风险评估结果中确定出为第一评估结果的至少一种目标风险评估结果；确定至少一种目标风险评估结果的结果数量；基于该结果数量确定总下调比率；基于预设贷款比率与总下调比率的差值，确定目标贷款比率。即目标风险评估结果的结果数量越多，则总下调比率越大。例如，总下调比率=第一预设下调比率结果数量。
步骤140，基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度。
此处，目标贷款金额为待贷款农户提出的贷款金额，通常在没有任何风险的情况下，才会全额放贷，因此需要先进行风险评估，再基于多种风险评估结果确定目标贷款比率，以确定实际的贷款额度。
具体地，可以直接将目标贷款金额与目标贷款比率的乘积确定为第一实际贷款额度，也可以对该乘积做进一步处理得到第一实际贷款额度。
在一实施例中，若目标贷款金额与目标贷款比率的乘积小于预设的最低贷款金额，则将第一实际贷款额度确定为该最低贷款金额。
在另一实施例中，若目标贷款金额与目标贷款比率的乘积小于预设的最低贷款金额，则将第一实际贷款额度确定为0，即不进行放贷。
步骤150，基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案。
此处，农业贷款方案包括贷款额度。进一步地，农业贷款方案还包括贷款利率。在一实施例中，农业贷款方案中的贷款额度越高，则贷款利率越低；农业贷款方案中的贷款额度越低，则贷款利率越高。在另一实施例中，农业贷款方案中的贷款利率不变。
具体地，可以直接将第一实际贷款额度确定为农业贷款方案中的贷款额度，也可以对第一实际贷款额度进一步处理得到农业贷款方案中的贷款额度。
本发明实施例提供的农业贷款方案的确定方法，确定待贷款农户所拥有的目标农田，以基于目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，且农业数据包括影响作物收成的数据，任一风险评估结果包括第一评估结果或第二评估结果，第一评估结果表征影响作物收成，第二评估结果表征不影响作物收成，从而评估目标农田的作物收成是否受到影响，而作物收成将会影响还款能力，基于此间接进行放贷风险评估，从而提高农业贷款方案的确定准确性，且进行多种风险评估，得到多种风险评估结果，从各方面进行风险评估，确保各种影响作物收成的因素均考虑到，从而提高农业贷款方案的确定准确性；基于多种风险评估结果，更为准确地对预设贷款比率进行下调处理，得到目标贷款比率，以基于待贷款农户所需贷款的目标贷款金额与目标贷款比率的乘积，更为准确地确定第一实际贷款额度，以基于第一实际贷款额度，更为准确地确定待贷款农户的农业贷款方案，最终提高农业贷款方案的确定准确性；同时，通过上述方式，可以自动快速地确定农业贷款方案，进而提高农业贷款方案的确定效率。
基于上述任一实施例，在上述步骤110之后，该方法还包括：
基于所述目标农田的农业数据，确定所述目标农田在当前贷款时刻对应的目标种植方案；
此处，目标种植方案是基于目标农田的农业数据确定的最佳种植方案。该目标种植方案包括至少一个种植建议；例如，种植建议为：作物的黄金收割时段、作物的黄金播种时段或下个季度适合种植的作物等等。且当前贷款时刻对应的目标种植方案表示目标种植方案为后续种植的种植方案。
示例性的，其中一个种植建议为收割时段的种植建议，基于此，农业数据可以包括气象数据（如气温、风向、湿度、气压等），以基于气象数据进行收割时段预测，得到收割时段预测结果，进而基于该收割时段预测结果确定收割时段的种植建议。例如，通过历史的未来气象数据（也是历史数据）和实时的未来气象数据，进行收割时段预测，得到收割时段预测结果。
示例性的，其中一个种植建议为下个季度适合种植的作物的种植建议，基于此，农业数据可以包括气象数据（如气温、风向、湿度、气压等）和土壤数据（如土壤的酸碱性、土壤质地、土壤营养、水分等），以基于气象数据和土壤数据进行预测，得到下个季度适合种植的作物的预测结果，进而基于该预测结果确定下个季度适合种植的作物的种植建议。
应理解，各种种植建议的预测方式可以根据实际需要设定，并可以采用现有的预测方式，此处不再一一赘述。
进一步地，农业数据包括历史数据和未来数据，从而更好地预测种植建议。例如，对于气象数据，气象实时的未来数据可以通过天气预报获得，气象历史的未来数据可以为历史数据中相同时候之后的数据。
进一步地，一个目标农田可能是大区域，基于此，农业数据包括目标农田的多个子区域的数据，从而提高农业数据的精准性，进而提高种植方案的确定准确性。例如，将农业数据精准到40平方米的范围，每一40平方米的范围以其中心点的数据为准。
此外，基于农业数据进行种植方案确定所采用的算法可以根据实际需要进行设定，例如，聚类分析、分类分析、回归分析、时间序列分析等等；为了提高多种种植建议的确定准确性，也可以采用多模型的趋势递推算法。
待贷款农户所拥有的目标农田可以为多个，基于此，基于至少一个目标农田的农业数据，确定至少一个目标农田在当前贷款时刻对应的目标种植方案，该至少一个目标种植方案包括各目标农田的目标种植方案，从而将所拥有的农田均考虑在内，进一步提高作物收成，以间接降低农户的风险，进而降低不良贷款率。
应理解，确定目标种植方案，以给待贷款农户种植建议，以供待贷款农户更好地种植，进而提高作物产量和质量，最终提高作物收成，以间接降低农户的风险，进而降低不良贷款率。
相应的，上述步骤140包括：
若所述待贷款农户之前已贷过款，获取所述目标农田在上一贷款时刻对应的实际种植方案，并获取所述目标农田在上一贷款时刻对应的目标种植方案；
若所述目标农田在上一贷款时刻对应的实际种植方案与所述目标农田在上一贷款时刻对应的目标种植方案不相同，对所述目标贷款比率进行下调处理，得到下调后的目标贷款比率，基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度；或，
若所述目标农田在上一贷款时刻对应的实际种植方案与所述目标农田在上一贷款时刻对应的目标种植方案不相同，将所述第一实际贷款额度确定为0；
若所述待贷款农户之前未贷过款，将所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率进行相乘，得到第一实际贷款额度。
此次，上一贷款时刻为最近一次贷款的时刻，上一贷款时刻对应的目标种植方案为上一次建议待贷款农户的种植方案，上一贷款时刻对应的实际种植方案为待贷款农户的实际种植方案。
在一些实施例中，若目标农田在上一贷款时刻对应的实际种植方案与目标农田在上一贷款时刻对应的目标种植方案不相同，则表示待贷款农户并没有接受给的种植建议，基于此，在本次贷款中，应该对目标贷款比率进行下调处理。若目标农田在上一贷款时刻对应的实际种植方案与目标农田在上一贷款时刻对应的目标种植方案相同，则不对目标贷款比率进行下调处理。
在一实施例中，基于第二预设下调比率，对目标贷款比率进行下调处理，即将目标贷款比率与第二预设下调比率的差值确定为下调后的目标贷款比率。该第二预设下调比率小于1。
在另一实施例中，从目标种植方案中确定出与目标农田在上一贷款时刻对应的实际种植方案不同的种植建议（即农户未接受的种植建议），基于各不同的种植建议对应的预设下调比率的和值，确定第一总下调比率，将目标贷款比率与第一总下调比率的差值确定为下调后的目标贷款比率。
在另一些实施例中，若目标农田在上一贷款时刻对应的实际种植方案与目标农田在上一贷款时刻对应的目标种植方案不相同，则表示待贷款农户并没有接受给的种植建议，基于此，在本次贷款中，将第一实际贷款额度确定为0，即不进行放贷。若目标农田在上一贷款时刻对应的实际种植方案与目标农田在上一贷款时刻对应的目标种植方案相同，则不对目标贷款比率进行下调处理。
在一实施例中，种植方案中只要有一个种植建议不相同，则表示二者种植方案不相同。
在另一实施例中，从目标种植方案中确定出与目标农田在上一贷款时刻对应的实际种植方案不同的种植建议，确定各不同的种植建议的建议数量，若建议数量大于预设数量阈值，则二者种植方案不相同，否则二者种植方案相同。
待贷款农户所拥有的目标农田可以为多个，基于此，只要有一个种植方案不相同，对目标贷款比率进行下调处理，或将第一实际贷款额度确定为0。
本发明实施例提供的农业贷款方案的确定方法，通过上述方式，在待贷款农户之前已贷过款，即待贷款农户为老用户的情况下，确定待贷款农户上次是否接受种植方案的建议，若接受则不调整第一实际贷款额度，若不接受则调整第一实际贷款额度，且目标种植方案为最佳的种植方案，进而更好地进行风险控制，降低放贷风险，即提高农业贷款方案的确定准确性。
基于上述任一实施例，该方法中，所述基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度，包括：
若所述下调后的目标贷款比率大于或等于预设比率阈值，基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度；
若所述下调后的目标贷款比率小于预设比率阈值，将所述第一实际贷款额度确定为0。
此处，预设比率阈值可以根据实际需要进行设定，例如根据实际风险控制要求设定。
本发明实施例提供的农业贷款方案的确定方法，通过上述方式，在下调后的目标贷款比率小于预设比率阈值时，即放贷风险过大时，将第一实际贷款额度确定为0，即不进行放贷，进而降低放贷风险，即进一步提高农业贷款方案的确定准确性。
基于上述任一实施例，考虑到现有农业贷款方案的确定方式中，数据采集难，如在农户有贷款需求后再去采集农业数据，从而导致农业贷款方案的确定效率降低，且采集的农业数据准确性低，并且采集的农业数据的完整性低；基于此，该方法中，所述目标农田的农业数据是基于如下方式获取：
采集多个农田的农业数据，得到农业大数据；
对所述农业大数据进行数据清洗；
从数据清洗后的农业大数据中获取所述目标农田的农业数据。
在一具体实施例中，采集各地农田的农业数据，得到农业大数据。进一步地，通过构建农业系统大数据平台和使用云计算技术，采集多个农田的农业数据，得到农业大数据，并对农业大数据进行数据清洗（数据管理）。
在一实施例中，采用大数据处理技术对农业大数据进行数据清洗。如对农业大数据进行分类分析或聚类分析；或者使用异常检测方法提高数据质量；或者在统计学技术的支持下对农业大数据进行挑选。
进一步地，可以将数据清洗后的农业大数据进行存储，以便后续直接使用。例如，将其归档到数据存储设备中。进一步地，将数据清洗后的农业大数据存储到分布式存储设备中，以避免数据丢失。
进一步地，为了实现数据源的统一管理和统一接口，将各种数据源接入到云端，对各种类型的数据，进行适配，进行标准化的适配输出。
本发明实施例提供的农业贷款方案的确定方法，通过上述方式，先采集农业大数据，可以快速从农业大数据中获取目标农田的农业数据，进而提高农业数据的获取效率，最终提高农业贷款方案的确定效率；且采集多个农田的农业数据，得到农业大数据，并对农业大数据进行数据清洗，可以确保农业数据的完整性和准确性，进而提高农业贷款方案的确定准确性。
基于上述任一实施例，该方法中，上述步骤130包括：
从所述多种风险评估结果中确定出为所述第一评估结果的至少一种目标风险评估结果；
将各所述目标风险评估结果对应的预设下调比率进行相加，得到总下调比率；
基于预设贷款比率与所述总下调比率的差值，确定目标贷款比率。
此处，不同目标风险评估结果对应的预设下调比率不同。
具体地，可以将预设贷款比率与总下调比率的差值确定为目标贷款比率，也可以对该差值做进一步处理得到目标贷款比率。
本发明实施例提供的农业贷款方案的确定方法，通过上述方式，考虑到不同目标风险评估结果对应的预设下调比率不同，即考虑到不同风险类型对作物的收成影响程度不同，进而将各目标风险评估结果对应的预设下调比率进行相加，得到总下调比率，以提高目标贷款比率的确定准确性，进而提高第一实际贷款额度的确定准确性，最终提高农业贷款方案的确定准确性。
基于上述任一实施例，该方法中，上述步骤150包括：
基于所述目标农田的农业数据，确定所述目标农田在当前贷款时刻对应的目标种植方案，所述目标种植方案包括多个种植建议；
对所述多个种植建议进行组合，得到多个种植建议组合；
基于所述第一实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案。
此处，目标种植方案是基于目标农田的农业数据确定的最佳种植方案。该目标种植方案包括多个种植建议；例如，种植建议为：作物的黄金收割时段、作物的黄金播种时段或下个季度适合种植的作物等等。且当前贷款时刻对应的目标种植方案表示目标种植方案为后续种植的种植方案。
示例性的，其中一个种植建议为收割时段的种植建议，基于此，农业数据可以包括气象数据（如气温、风向、湿度、气压等），以基于气象数据进行收割时段预测，得到收割时段预测结果，进而基于该收割时段预测结果确定收割时段的种植建议。例如，通过历史的未来气象数据（也是历史数据）和实时的未来气象数据，进行收割时段预测，得到收割时段预测结果。
示例性的，其中一个种植建议为下个季度适合种植的作物的种植建议，基于此，农业数据可以包括气象数据（如气温、风向、湿度、气压等）和土壤数据（如土壤的酸碱性、土壤质地、土壤营养、水分等），以基于气象数据和土壤数据进行预测，得到下个季度适合种植的作物的预测结果，进而基于该预测结果确定下个季度适合种植的作物的种植建议。
应理解，各种种植建议的预测方式可以根据实际需要设定，并可以采用现有的预测方式，此处不再一一赘述。
进一步地，农业数据包括历史数据和未来数据，从而更好地预测种植建议。例如，对于气象数据，气象实时的未来数据可以通过天气预报获得，气象历史的未来数据可以为历史数据中相同时候之后的数据。
进一步地，一个目标农田可能是大区域，基于此，农业数据包括目标农田的多个子区域的数据，从而提高农业数据的精准性，进而提高种植方案的确定准确性。例如，将农业数据精准到40平方米的范围，每一40平方米的范围以其中心点的数据为准。
此外，基于农业数据进行种植方案确定所采用的算法可以根据实际需要进行设定，例如，聚类分析、分类分析、回归分析、时间序列分析等等；为了提高多种种植建议的确定准确性，也可以采用多模型的趋势递推算法。
待贷款农户所拥有的目标农田可以为多个，基于此，基于至少一个目标农田的农业数据，确定至少一个目标农田在当前贷款时刻对应的目标种植方案，该至少一个目标种植方案包括各目标农田的目标种植方案，从而将所拥有的农田均考虑在内。
示例性的，目标种植方案包括三个种植建议（即第一种植建议、第二种植建议和第三种植建议），则可以组合得到八个种植建议组合，即第一个种植建议组合包括第一种植建议，第二个种植建议组合包括第二种植建议，第三个种植建议组合包括第三种植建议，第四个种植建议组合包括第一种植建议和第二种植建议，第五个种植建议组合包括第一种植建议和第三种植建议，第六个种植建议组合包括第二种植建议和第三种植建议，第七个种植建议组合包括第一种植建议、第二种植建议和第三种植建议，第八个种植建议组合不包括任何种植建议。
不同种植建议组合对应不同的农业贷款方案，且种植建议组合包括的种植建议越多的话，则对应的农业贷款方案应该越好。基于此，若接受更多的种植建议，则农业贷款方案越好，进而更好地进行风险控制，降低放贷风险，即提高农业贷款方案的确定准确性。
在一些实施例中，基于各种植建议组合，分别对第一实际贷款额度进行不同的调整处理，得到各种植建议组合对应的第二实际贷款额度，基于各所述第二实际贷款额度，分别确定各种植建议组合对应的农业贷款方案。例如，种植建议组合包括的种植建议越多的话，则对应的第二实际贷款额度越高。
在另一些实施例中，基于各种植建议组合，分别对预设贷款利率进行不同的调整处理，得到各种植建议组合对应的实际贷款利率，基于各实际贷款利率和第一实际贷款额度，分别确定各种植建议组合对应的农业贷款方案。
本发明实施例提供的农业贷款方案的确定方法，通过上述方式，基于目标农田的农业数据，确定目标农田在当前贷款时刻对应的目标种植方案，且目标种植方案包括多个种植建议，以对多个种植建议进行组合，可以得到更多的种植建议组合，进而基于第一实际贷款额度，分别确定各种植建议组合对应的农业贷款方案，可以得到更多的农业贷款方案供用户进行选择，进而提高农业贷款方案的个性化水平，提高农业贷款方案的确定灵活性，即提供给农民个性化的贷款方案，从而为农业金融企业提供农业贷款决策支持。
基于上述任一实施例，该方法中，所述基于所述第一实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案，包括：
基于各所述种植建议组合对应的上调比率，分别对所述第一实际贷款额度进行上调处理，得到各所述种植建议组合对应的第二实际贷款额度；
基于各所述第二实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案。
在一实施例中，任一种植建议组合对应的上调比率是基于如下方式确定：基于种植建议组合包括的种植建议数量与预设单位上调比率的乘积，确定该上调比率。
在另一实施例中，任一种植建议组合对应的上调比率是基于如下方式确定：基于种植建议组合中各种植建议对应的预设上调比率的和值，确定该上调比率。即不同种植建议对应的预设上调比率不同。
示例性的，第二实际贷款额度=第一实际贷款额度（1+上调比率）。
具体地，可以直接将第二实际贷款额度确定为农业贷款方案中的贷款额度，也可以对第二实际贷款额度进一步处理得到农业贷款方案中的贷款额度。
本发明实施例提供的农业贷款方案的确定方法，通过上述方式，若接受更多的种植建议，则农业贷款方案越好，进而更好地进行风险控制，降低放贷风险，即提高农业贷款方案的确定准确性。
基于上述各实施例，本发明可以开发一种能够快速、准确评估农业贷款风险和预测农业贷款额度的系统，对金融机构和农民都有重要的意义，即为金融机构和农民提供准确数据支持帮助双方做出更为明智的决策，且可以对农业生产全过程的数据化管理，提高农业贷款可靠性。
下面对本发明提供的农业贷款方案的确定装置进行描述，下文描述的农业贷款方案的确定装置与上文描述的农业贷款方案的确定方法可相互对应参照。
图2为本发明提供的农业贷款方案的确定装置的结构示意图，如图2所示，该农业贷款方案的确定装置，包括：
农田确定模块210，用于确定待贷款农户所拥有的目标农田；
风险评估模块220，用于基于所述目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，所述农业数据包括影响作物收成的数据，任一所述风险评估结果包括第一评估结果或第二评估结果，所述第一评估结果表征影响作物收成，所述第二评估结果表征不影响作物收成；
比率下调模块230，用于基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率；
额度确定模块240，用于基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度；
方案确定模块250，用于基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案；
其中，若所述风险评估结果为所述第一评估结果，则下调所述预设贷款比率。
本发明实施例提供的农业贷款方案的确定装置，确定待贷款农户所拥有的目标农田，以基于目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，且农业数据包括影响作物收成的数据，任一风险评估结果包括第一评估结果或第二评估结果，第一评估结果表征影响作物收成，第二评估结果表征不影响作物收成，从而评估目标农田的作物收成是否受到影响，而作物收成将会影响还款能力，基于此间接进行放贷风险评估，从而提高农业贷款方案的确定准确性，且进行多种风险评估，得到多种风险评估结果，从各方面进行风险评估，确保各种影响作物收成的因素均考虑到，从而提高农业贷款方案的确定准确性；基于多种风险评估结果，更为准确地对预设贷款比率进行下调处理，得到目标贷款比率，以基于待贷款农户所需贷款的目标贷款金额与目标贷款比率的乘积，更为准确地确定第一实际贷款额度，以基于第一实际贷款额度，更为准确地确定待贷款农户的农业贷款方案，最终提高农业贷款方案的确定准确性；同时，通过上述方式，可以自动快速地确定农业贷款方案，进而提高农业贷款方案的确定效率。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储器330中的逻辑指令，以执行农业贷款方案的确定方法，该方法包括：确定待贷款农户所拥有的目标农田；基于所述目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，所述农业数据包括影响作物收成的数据，任一所述风险评估结果包括第一评估结果或第二评估结果，所述第一评估结果表征影响作物收成，所述第二评估结果表征不影响作物收成；基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率；基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度；基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案；其中，若所述风险评估结果为所述第一评估结果，则下调所述预设贷款比率。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的农业贷款方案的确定方法，该方法包括：确定待贷款农户所拥有的目标农田；基于所述目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，所述农业数据包括影响作物收成的数据，任一所述风险评估结果包括第一评估结果或第二评估结果，所述第一评估结果表征影响作物收成，所述第二评估结果表征不影响作物收成；基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率；基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度；基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案；其中，若所述风险评估结果为所述第一评估结果，则下调所述预设贷款比率。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种农业贷款方案的确定方法，其特征在于，包括：
确定待贷款农户所拥有的目标农田；
基于所述目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，所述农业数据包括影响作物收成的数据，任一所述风险评估结果包括第一评估结果或第二评估结果，所述第一评估结果表征影响作物收成，所述第二评估结果表征不影响作物收成；
基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率；
基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度；
基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案；
其中，若所述风险评估结果为所述第一评估结果，则下调所述预设贷款比率。
2.根据权利要求1所述的农业贷款方案的确定方法，其特征在于，所述确定待贷款农户所拥有的目标农田，之后还包括：
基于所述目标农田的农业数据，确定所述目标农田在当前贷款时刻对应的目标种植方案；
所述基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度，包括：
若所述待贷款农户之前已贷过款，获取所述目标农田在上一贷款时刻对应的实际种植方案，并获取所述目标农田在上一贷款时刻对应的目标种植方案；
若所述目标农田在上一贷款时刻对应的实际种植方案与所述目标农田在上一贷款时刻对应的目标种植方案不相同，对所述目标贷款比率进行下调处理，得到下调后的目标贷款比率，基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度；或，
若所述目标农田在上一贷款时刻对应的实际种植方案与所述目标农田在上一贷款时刻对应的目标种植方案不相同，将所述第一实际贷款额度确定为0；
若所述待贷款农户之前未贷过款，将所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率进行相乘，得到第一实际贷款额度。
3.根据权利要求2所述的农业贷款方案的确定方法，其特征在于，所述基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度，包括：
若所述下调后的目标贷款比率大于或等于预设比率阈值，基于所述待贷款农户所需贷款的目标贷款金额与所述下调后的目标贷款比率的乘积，确定第一实际贷款额度；
若所述下调后的目标贷款比率小于预设比率阈值，将所述第一实际贷款额度确定为0。
4.根据权利要求1所述的农业贷款方案的确定方法，其特征在于，所述目标农田的农业数据是基于如下方式获取：
采集多个农田的农业数据，得到农业大数据；
对所述农业大数据进行数据清洗；
从数据清洗后的农业大数据中获取所述目标农田的农业数据。
5.根据权利要求1所述的农业贷款方案的确定方法，其特征在于，所述基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率，包括：
从所述多种风险评估结果中确定出为所述第一评估结果的至少一种目标风险评估结果；
将各所述目标风险评估结果对应的预设下调比率进行相加，得到总下调比率；
基于预设贷款比率与所述总下调比率的差值，确定目标贷款比率。
6.根据权利要求1所述的农业贷款方案的确定方法，其特征在于，所述基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案，包括：
基于所述目标农田的农业数据，确定所述目标农田在当前贷款时刻对应的目标种植方案，所述目标种植方案包括多个种植建议；
对所述多个种植建议进行组合，得到多个种植建议组合；
基于所述第一实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案。
7.根据权利要求6所述的农业贷款方案的确定方法，其特征在于，所述基于所述第一实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案，包括：
基于各所述种植建议组合对应的上调比率，分别对所述第一实际贷款额度进行上调处理，得到各所述种植建议组合对应的第二实际贷款额度；
基于各所述第二实际贷款额度，分别确定各所述种植建议组合对应的所述农业贷款方案。
8.一种农业贷款方案的确定装置，其特征在于，包括：
农田确定模块，用于确定待贷款农户所拥有的目标农田；
风险评估模块，用于基于所述目标农田的农业数据，进行多种风险评估，得到多种风险评估结果，所述农业数据包括影响作物收成的数据，任一所述风险评估结果包括第一评估结果或第二评估结果，所述第一评估结果表征影响作物收成，所述第二评估结果表征不影响作物收成；
比率下调模块，用于基于所述多种风险评估结果，对预设贷款比率进行下调处理，得到目标贷款比率；
额度确定模块，用于基于所述待贷款农户所需贷款的目标贷款金额与所述目标贷款比率的乘积，确定第一实际贷款额度；
方案确定模块，用于基于所述第一实际贷款额度，确定所述待贷款农户的农业贷款方案；
其中，若所述风险评估结果为所述第一评估结果，则下调所述预设贷款比率。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述农业贷款方案的确定方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述农业贷款方案的确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410071893.2A CN117593119A (zh) | 2024-01-18 | 2024-01-18 | 农业贷款方案的确定方法、装置、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410071893.2A CN117593119A (zh) | 2024-01-18 | 2024-01-18 | 农业贷款方案的确定方法、装置、电子设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117593119A true CN117593119A (zh) | 2024-02-23 |
Family
ID=89915456
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410071893.2A Pending CN117593119A (zh) | 2024-01-18 | 2024-01-18 | 农业贷款方案的确定方法、装置、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117593119A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180330435A1 (en) * | 2017-05-11 | 2018-11-15 | Harvesting Inc. | Method for monitoring and supporting agricultural entities |
| CN114862596A (zh) * | 2022-04-18 | 2022-08-05 | 中国银行股份有限公司 | 农作物银行贷款数据风险分析方法及装置 |
| KR20220166483A (ko) * | 2021-06-10 | 2022-12-19 | 주식회사 온투인 | 농업 분야 대출 신청자의 대출 신용 평가 장치 및 방법 |
| CN116167850A (zh) * | 2023-03-06 | 2023-05-26 | 中国工商银行股份有限公司 | 一种基于农业遥感图像的贷款风险评估方法及装置 |
| CN116228399A (zh) * | 2023-02-21 | 2023-06-06 | 中国工商银行股份有限公司 | 基于农作物的贷款资金确定方法、装置及电子设备 |
| CN116416055A (zh) * | 2023-04-04 | 2023-07-11 | 中国工商银行股份有限公司 | 农业贷款评估方法、装置、存储介质及电子设备 |
| CN116739739A (zh) * | 2023-05-26 | 2023-09-12 | 中国银行股份有限公司 | 一种贷款额度评估方法、装置、电子设备及存储介质 |
| CN117252678A (zh) * | 2023-05-26 | 2023-12-19 | 中国建设银行股份有限公司 | 农业贷款请求的处理方法、装置、设备和可读存储介质 |
-
2024
- 2024-01-18 CN CN202410071893.2A patent/CN117593119A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180330435A1 (en) * | 2017-05-11 | 2018-11-15 | Harvesting Inc. | Method for monitoring and supporting agricultural entities |
| KR20220166483A (ko) * | 2021-06-10 | 2022-12-19 | 주식회사 온투인 | 농업 분야 대출 신청자의 대출 신용 평가 장치 및 방법 |
| CN114862596A (zh) * | 2022-04-18 | 2022-08-05 | 中国银行股份有限公司 | 农作物银行贷款数据风险分析方法及装置 |
| CN116228399A (zh) * | 2023-02-21 | 2023-06-06 | 中国工商银行股份有限公司 | 基于农作物的贷款资金确定方法、装置及电子设备 |
| CN116167850A (zh) * | 2023-03-06 | 2023-05-26 | 中国工商银行股份有限公司 | 一种基于农业遥感图像的贷款风险评估方法及装置 |
| CN116416055A (zh) * | 2023-04-04 | 2023-07-11 | 中国工商银行股份有限公司 | 农业贷款评估方法、装置、存储介质及电子设备 |
| CN116739739A (zh) * | 2023-05-26 | 2023-09-12 | 中国银行股份有限公司 | 一种贷款额度评估方法、装置、电子设备及存储介质 |
| CN117252678A (zh) * | 2023-05-26 | 2023-12-19 | 中国建设银行股份有限公司 | 农业贷款请求的处理方法、装置、设备和可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Komba et al. | Adaptation to climate change by smallholder farmers in Tanzania | |
| CN111260241B (zh) | 一种指数型农业保险产品设计方法及其产品 | |
| CN113095619B (zh) | 基于气候和土壤模拟植被生产力空间格局的方法及系统 | |
| CN106875230A (zh) | 一种基于比价系数的房地产评估方法、系统及存储介质 | |
| Rocha et al. | Early prediction of durum wheat yield in Spain using radial basis functions interpolation models based on agroclimatic data | |
| CN110533544A (zh) | 农作物冷冻害定损理赔方法及系统 | |
| CN117593119A (zh) | 农业贷款方案的确定方法、装置、电子设备和存储介质 | |
| Abbaspour | Bayesian risk methodology for crop insurance decisions | |
| Takeshima | ONSET RISKS AND DRAFT ANIMAL INVESTMENTS IN NIGERIA | |
| Luan et al. | Cropland yield divergence over Africa and its implication for mitigating food insecurity | |
| CN117575836B (zh) | 农作物生长适宜性评价方法、装置、电子设备和存储介质 | |
| O’Donnell et al. | Economics of deficit irrigation utilizing soil moisture probes in the western corn belt | |
| Shahzad et al. | Adaptation Implications of Climate-Smart Agriculture in Rural Pakistan. Sustainability 2021, 13, 11702 | |
| Kumar | FINANCIAL RISK MANAGEMENT IN DRY-LANDS OF PRAKASAM DISTRICT OF ANDHRA PRADESH | |
| Madzokere et al. | An investigation into the factors affecting outgrower sugarcane farming in the South-East Lowveld of Zimbabwe | |
| US20230064592A1 (en) | Method and system for assessing farmer credit worthiness and risk associated with farm | |
| Towe et al. | Recreational Homes’ Impact on Agricultural Land Use | |
| Garba et al. | Improving fodder biomass modeling in the sahelian zone of Niger using the multiple linear regression method | |
| Pitigala et al. | VAPECA-Smart Agricultural and Analysis Monitoring System | |
| Liu | Modelling approaches for lucerne growth and development under dryland conditions: A thesis submitted in partial fulfilment of the requirement for the degree of Masters of Agricultural Science at Lincoln University | |
| Mukherjee et al. | Application of MDS for Mapping Indian Farmers’ Perceived Risks: A Diagnostic Approach toward Adoption of Crop Insurance: 10.2478/bjlp-2022-002118 | |
| Bokusheva et al. | State‐contingent production technology formulation: Identifying states of nature using reduced‐form econometric models of crop yield | |
| KHAN et al. | Comparison of Phenological Weather indices based Statistical and Machine Learning Models for Soybean Yield Forecasting in Pantnagar, Uttarakhand | |
| CN115730187A (zh) | 一种作物数据处理方法及装置 | |
| CN117495549A (zh) | 贷款的处理方法及装置、存储介质和电子设备 |
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 |