获取农作物种植策略信息的方法及装置与流程

本公开涉及人工智能技术领域，尤其涉及获取农作物种植策略信息的方法及装置。

背景技术：

随着世界人口的不断增加，农业问题越来越受到人们的关注，与农业相关的技术也得到普遍的发展，农作物的产量也可以越来越高。

农作物的从种子的培育，种植土地的类型，种植土地的面积，直至种植温度等等都要可以进行控制，从而可种植出符合人们要求的农作物。

技术实现要素：

本公开实施例提供了获取农作物种植策略信息的方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种获取农作物种植策略信息的方法，可包括：

获取所述农作物的历史市场需求信息；

根据所述历史市场需求信息和策略获取模型，获取所述农作物的目标市场需求信息；

根据所述目标市场需求信息，获取所述农作物的种植策略信息。

可见，可根据农作物的历史市场需求信息，预测出农作物的目标市场需求信息，从而获取农作物的种植策略信息，这样，遵循市场供求关系来配置农作物的种植策略，提高了农作物种植预测的精准性，减少了农作物产量过剩带来经济损失的几率，也减少了农作物产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

在一个实施例中，所述根据所述历史市场需求信息和策略获取模型，确定所述农作物的目标市场需求信息包括：

获取与市场需求相关的经济参数，其中，所述经济参数包括以下至少一项：气候参数、经济状况衡量指标参数、或人口变化参数；

根据所述历史市场需求信息和所述经济参数，并采用所述策略获取模型获取所述目标市场需求信息。

可见，在获取目标市场需求信息时，还考虑其他影响农作物市场的经济参数，并可根据策略获取模型，进一步提高了农作物种植预测的精准性。

在一个实施例中，所述策略获取模型包括第一多项式回归模型。

第一多项式回归模型是比较成熟的策略获取模型，使得农作物种植预测易实现，并较精确。

在一个实施例中，所述采用所述策略获取模型获取所述目标市场需求信息可包括：

根据每个所述历史市场需求信息，以及获取的每个经济参数，确定所述第一多项式回归模型的训练目标参数；

根据所述训练目标参数，以及所述第一多项式回归模型的多项式方程，确定所述农作物下一周期的目标市场需求信息。

这样，先确定训练目标参数，然后进行多项式方程的运算，得到农作物的目标市场需求信息，使得多项式回归模型可具有多样性，使得预测过程灵活多变。

在一个实施例中，所述确定所述第一多项式回归模型的训练目标参数可包括：

通过梯度下降法来最优化第一公式，得到所述第一多项式回归模型的训练目标参数w，其中，所述第一公式为：

所述w为训练目标参数，所述N为获取的历史市场需求信息的个数，所述x为获取的所述经济参数，所述y为获取的所述历史市场需求信息，所述d为多项式的最高次数，所述b为获取的所述经济参数的个数，所述μ为正则化的系数，所述用来防止训练过拟合。

可见，通过梯度下降法来最优化公式，获得训练目标参数w，过程比较简单，易实现，节省了流程。

在一个实施例中，所述确定所述农作物的目标市场需求信息可包括：

通过所述第一多项式回归模型的多项式方程对应的第二公式，获得所述农作物的目标市场需求信息，其中，所述第二公式为：

所述w为训练目标参数，所述x为获取的所述经济参数，所述d为多项式的最高次数，所述b为获取的所述经济参数的个数。

可见，第二公式比较简单，使得预测过程比较简单，易实现，节省了流程。

在一个实施例中，所述种植策略信息包括以下至少一项：种植土地类型、种植土地面积、配种类型、配种数量。

可见，可根据目标市场需求信息，对种植土地类型、种植土地面积、配种类型，或配种数量进行配置，从而，产出与市场匹配的农作物。

根据本公开实施例的第二方面，提供一种获取农作物种植策略信息的装置，包括：

第一获取模块，用于获取所述农作物的历史市场需求信息；

第二获取模块，用于根据所述第一获取模块获取的所述历史市场需求信息和策略获取模型，获取所述农作物的目标市场需求信息；

第三获取模块，用于根据所述第二获取模块获取的所述目标市场需求信息，获取所述农作物的种植策略信息。

可见，获取农作物种植策略的装置可根据农作物的历史市场需求信息，预测出农作物的目标市场需求信息，从而获取农作物的种植策略信息，这样，遵循市场供求关系来配置农作物的种植策略，提高了农作物种植预测的精准性，减少了农作物产量过剩带来经济损失的几率，也减少了农作物产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

在一个实施例中，所述第二获取模块可包括：

获取子模块，用于获取与市场需求相关的经济参数，其中，所述经济参数包括以下至少一项：气候参数、经济状况衡量指标参数、或人口变化参数；

预测子模块，用于根据所述第一获取模块获取的每个所述历史市场需求信息和所述获取子模块获取的所述经济参数，采用所述策略获取模型获取所述目标市场需求信息。

可见，预测模块在获取目标市场需求信息时，还可考虑其他影响农作物市场的经济参数，这样，采用策略获取模型，进一步提高了农作物种植预测的精准性。

在一个实施例中，所述预测子模块还可包括：

确定单元，用于根据每所述第一获取模块获取的个所述历史市场需求信息，以及所述获取子模块获取的每个经济参数，确定第一多项式回归模型的训练目标参数；

预测单元，用于根据所述确定单元确定的所述训练目标参数，以及所述第一多项式回归模型的多项式方程，确定所述农作物的目标市场需求信息。

这样，先确定训练目标参数，然后进行多项式方程的运算，得到农作物的目标市场需求信息，使得多项式回归模型可具有多样性，使得预测过程灵活多变。

在一个实施例中，所述确定单元，可还用于通过梯度下降法来最优化第一公式，得到所述第一多项式回归模型的训练目标参数w，其中，所述第一公式为：所述w为训练目标参数，所述N为获取的历史市场需求信息的个数，所述x为获取的所述经济参数，所述y为获取的所述历史市场需求信息，所述d为多项式的最高次数，所述b为获取的所述经济参数的个数，所述μ为正则化的系数，所述用来防止训练过拟合。

可见，通过梯度下降法来最优化公式，获得训练目标参数w，过程比较简单，易实现，节省了流程。

在一个实施例中，所述预测单元，还可用于通过所述第一多项式回归模型的多项式方程对应的第二公式，获得所述农作物的目标市场需求信息，其中，所述第二公式为：所述w为训练目标参数，所述x为获取的所述经济参数，所述d为多项式的最高次数，所述b为获取的所述经济参数的个数。

可见，第二公式比较简单，使得预测过程比较简单，易实现，节省了流程。

在一个实施例中，所述第三获取模块获取的种植策略信息包括以下至少一项：种植土地类型、种植土地面积、配种类型、配种数量。

可见，可根据目标市场需求信息，对种植土地类型、种植土地面积、配种类型，或配种数量进行配置，从而，产出与市场匹配的农作物。

根据本公开实施例的第三方面，提供一种获取农作物种植策略信息的装置，用于终端，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取所述农作物的历史市场需求信息；

根据所述历史市场需求信息和策略获取模型，获取所述农作物的目标市场需求信息；

根据所述目标市场需求信息，配置所述农作物的种植策略。

本公开的实施例提供的技术方案可以包括以下有益效果：

上述技术方案中，可根据农作物的历史市场需求信息，预测出农作物的目标市场需求信息，从而获取农作物的种植策略信息，这样，遵循市场供求关系来配置农作物的种植策略，提高了农作物种植预测的精准性，减少了农作物产量过剩带来经济损失的几率，也减少了农作物产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的获取农作物种植策略信息方法的流程图。

图2是根据一示例性实施例一示出的获取农作物种植策略信息方法的流程图。

图3是根据一示例性实施例二示出的获取农作物种植策略信息方法的流程图。

图4是根据一示例性实施例示出的获取农作物种植策略信息装置的框图。

图5是根据一示例性实施例示出的第二获取模型420的框图。

图6是根据一示例性实施例示出的预测子模块422的框图。

图7是根据一示例性实施例三示出的获取农作物种植策略信息装置的框图。

图8是根据一示例性实施例示出的一种用于获取农作物种植策略信息的装置1200的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

本公开实施例提供的技术方案，遵循市场供求关系来配置农作物的种植策略，提高了农作物种植预测的精准性，减少了农作物产量过剩带来经济损失的几率，也减少了农作物产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

图1是根据一示例性实施例示出的获取农作物种植策略信息方法的流程图，如图1所示，包括以下步骤S101-S103：

在步骤S101中，获取农作物的历史市场需求信息。

本公开实施例中，周期包括：年，季度，月，星期等中的一个，即可根据农作物的生长规律来确定周期，或者根据农作物的市场变化规律来确定周期。这里，可根据周期进行采样，获取历史市场需求信息，从而可根据准确地获取农作物的目标市场需求信息。

在大数据时代，一般会记录每个周期市场对农作物的需求量，即会记录历史市场需求信息，例如：数据库中记录了历年对土豆的市场需求信息，分别是：2010年土豆的市场需求信息是10吨，2011年土豆的市场需求信息是8.6吨，2012年土豆的市场需求信息是9.4吨，2013年土豆的市场需求信息是10.2吨，2014年土豆的市场需求信息是11.8吨，2015年土豆的市场需求信息是10.5吨，因此，可从数据库中获取这些土豆的历史市场需求信息。当然，还可以通多其他的途径，例如文献查询，然后，输入多个农作物的历史市场需求信息，从而可获取多个农作物的历史市场需求信息。

在步骤S102中，根据历史市场需求信息以及策略获取模型，确定农作物的目标市场需求信息。

本公开实施中，可根据历史市场需求信息，预测出农作物的目标市场需求信息。具体可通过设定的策略获取模型来进行预测，策略获取模型可以是多种多样的，例如：神经元网络模型，时间序列模型，以及多项式回归模型等等。

通过设定的策略获取模型，即可根据每个历史周期市场需求信息，确定农作物下一周期的目标市场需求信息。

由于影响农作物的市场需求的变量有很多，例如：气候参数、经济状况衡量指标参数、或人口变化参数等等，因此，本公开另一实施例中，可获取与市场需求相关的经济参数，其中，经济参数包括至少一个：气候参数、经济状况衡量指标参数、或人口变化参数；根据历史市场需求信息，以及获取的每个经济参数，采用策略获取模型获取农作物的目标市场需求信息。

其中，策略获取模型包括第一多项式回归模型。当两个变数间的曲线关系很难确定时，可以使用多项式去逼近，称为多项式回归，从而采用多项式回归模型可预测农作物的市场需求。由于在进行目标市场需求信息的获取时，还考虑其他影响农作物市场的经济参数，这样，根据多参数进行多项式回归模型的预测，进一步提高了农作物种植预测的精准性。

在步骤S103中，根据目标市场需求信息，获取农作物的种植策略信息。

由于已经确定了农作物的目标市场需求信息了，则可根据目标市场需求信息，配置农作物的种植策略信息。可根据目标市场需求信息，确定农作物的种植策略信息，其中，种植策略信息包括以下至少一项：种植土地类型、种植土地面积、配种类型、配种数量。

例如：目标市场需求信息比较前一周期的市场需求信息的数量大，则获取的农作物的种植策略信息中种植土地面积也变大了，如果目标市场需求信息比较前一周期的市场需求信息的数量小，则获取的农作物的种植策略信息中农作物的种植土地面积也变小了。这样，根据不同目标市场需求信息配置了不同的农作物的种植面积，可达到经济效率最大化。当然，获取农作物的种植策略信息不仅仅是获取种植区域面积，还可以包括区域位置的变化，农作物种子类型变化等等，就不一一列举了。

可见，可根据农作物的历史市场需求信息，预测出农作物的目标市场需求信息，从而获取农作物的种植策略信息，这样，遵循市场供求关系来配置农作物的种植策略，提高了农作物种植预测的精准性，减少了农作物产量过剩带来经济损失的几率，也减少了农作物产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

由于在获取目标市场需求信息时，还考虑其他影响农作物市场的经济参数，因此确定农作物的目标市场需求信息，具体可包括：获取与市场需求相关的经济参数，其中，经济参数包括以下至少一项：气候参数、经济状况衡量指标参数、或人口变化参数；根据历史市场需求信息和经济参数，采用策略获取模型获取目标市场需求信息。

由于获取的经济参数可以是一个、两个或多个，因此，可采用一元、二元或多元多项式回归方程对农作物目标市场需求信息进行预测。其中，可根据历史市场需求信息，以及获取的经济参数，确定第一多项式回归模型的训练目标参数；根据训练目标参数，以及第一多项式回归模型的多项式方程，确定农作物的目标市场需求信息。这样，先确定训练目标参数，然后进行多项式方程的运算，得到农作物的目标市场需求信息，使得多项式回归模型可具有多样性，使得预测过程灵活多变。

在本公开一个实施例中，根据历史市场需求信息，以及获取的每个经济参数，确定第一多项式回归模型的训练目标参数可包括：通过梯度下降法来最优化第一公式，得到第一多项式回归模型的训练目标参数w，其中，第一公式为：

w为训练目标参数，N为获取的历史市场需求信息的个数，x为获取的经济参数，y为获取的历史市场需求信息，d为多项式的最高次数，b为获取的经济参数的个数，μ为正则化的系数，用来防止训练过拟合。

可见，通过梯度下降法来最优化公式，获得训练目标参数w，过程比较简单，易实现，节省了流程。

在本公开一个实施例中，确定农作物的目标市场需求信息可包括：

通过第一多项式回归模型的多项式方程对应的第二公式，获得农作物的目标市场需求信息，其中，第二公式为：

w为训练目标参数，x为获取的经济参数，d为多项式的最高次数，b为获取的经济参数的个数。

通过上述第二公式即可确定农作物的目标市场需求信息，从而，进行对应的农作物的种植策略的配置，这样，遵循市场供求关系来配置农作物的种植策略，提高了农作物种植预测的精准性，减少了农作物产量过剩带来经济损失的几率，也减少了农作物产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

下面将操作流程集合到具体实施例中，举例说明本公开实施例提供的方法。

实施例一，本实施例中，农作物可为土豆，经济参数可包括两个经济参数。

图2是根据一示例性实施例一示出的获取农作物种植策略信息方法的流程图，如图2所示，包括以下步骤S201-S205：

在步骤S201中，获取土豆近五年的每年市场需求信息。

数据库中记录了近五年对土豆的市场需求信息，分别是：2011年土豆的市场需求信息是8.6吨，2012年土豆的市场需求信息是9.4吨，2013年土豆的市场需求信息是10.2吨，2014年土豆的市场需求信息是11.8吨，2015年土豆的市场需求信息是10.5吨，因此，可从数据库中获取这些土豆的历史周期市场需求信息。这里，每年市场需求信息即为历史市场需求信息。

在步骤S202中，获取与土豆市场相关的两个经济参数。

这里，可以两个经济参数为例，可分别为气候参数数据和人口变化参数数据，因此，获取与土豆市场相关的气候参数数据和人口变化参数数据。

在步骤S203中，根据获取的每年市场需求信息，以及获取的每个经济参数，确定第一多项式回归模型的训练目标参数。

第一公式为：

其中，w为训练目标参数，N为获取的历史市场需求信息的个数，x为获取的经济参数，y为获取的历史市场需求信息，d为多项式的最高次数，b为获取的经济参数的个数，μ为正则化的系数，用来防止训练过拟合。这里，N＝5，b＝2。

这样，通过梯度下降法来最优化第一公式，得到第一多项式回归模型的训练目标参数w。

在步骤S204中，根据训练目标参数，以及第一多项式回归模型的多项式方程，确定土豆的目标市场需求信息。

这里，第一多项式回归模型的多项式方程对应的第二公式w为训练目标参数，x为获取的经济参数，d为多项式的最高次数，b为获取的经济参数的个数，即b＝2。

已经确定了训练目标参数w，从而通过第二公式即可获得土豆的目标市场需求信息。

在步骤S205中，根据目标市场需求信息，获取土豆的种植策略信息。

例如:根据目标市场需求信息，获取土豆2016年的种植策略信息，包括：土豆的种植区域，种植土地面积，土豆种子的数量，土豆的种植工艺等等。

可见，本实施例中，遵循市场供求关系来配置土豆的种植策略，提高了土豆种植预测的精准性，减少了土豆产量过剩带来经济损失的几率，也减少了土豆产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

实施例二、本实施例中，农作物可为大蒜，经济参数可包括多个经济参数。

图3是根据一示例性实施例二示出的获取农作物种植策略方法的流程图，如图3所示，包括以下步骤S301-S305：

在步骤S301中，获取大蒜近十个季度的每个季度市场需求信息。

这里，周期为季度，同样也可以从数据库中获取每个季度市场需求信息。当然也可通过其他的途径获得大蒜近十个季度的每个季度市场需求信息。这里，每个季度市场需求信息即为历史市场需求信息。

在步骤S302中，获取与大蒜市场相关的多个经济参数。

本实施例中，尽可能多的获取与大蒜市场相关的经济参数，例如：获取气候参数数据、经济状况衡量指标参数数据、人口变化参数数据、环境变化参数数据等等。

在步骤S303中，根据获取的每个季度市场需求信息，以及获取的每个经济参数，确定第一多项式回归模型的训练目标参数。

第一公式为：

其中，w为训练目标参数，N为获取的历史市场需求信息的个数，x为获取的经济参数，y为获取的历史市场需求信息，d为多项式的最高次数，b为获取的经济参数的个数，μ为正则化的系数，用来防止训练过拟合。这里，N＝10，b与步骤S302中获取的经济参数的个数对应。

这样，通过梯度下降法来最优化第一公式，得到第一多项式回归模型的训练目标参数w。

在步骤S304中，根据训练目标参数，以及第一多项式回归模型的多项式方程，确定大蒜的目标市场需求信息。

这里，第一多项式回归模型的多项式方程对应的第二公式w为训练目标参数，x为获取的经济参数，d为多项式的最高次数，b为获取的经济参数的个数。

已经确定了训练目标参数w，从而通过第二公式即可获得大蒜下一季度的目标市场需求信息。

在步骤S305中，根据目标市场需求信息，获取大蒜的种植策略信息。

可见，本实施例中，遵循市场供求关系来配置大蒜的种植策略，并在预测时，考虑了多种经济参数，进一步提高了大蒜种植预测的精准性，合理地配置大蒜种植策略，可使得经济收益最大化。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

图4是根据一示例性实施例示出的获取农作物种植策略的框图，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。如图4所示，该获取农作物种植策略装置包括：第一获取模块410、第二获取模块420和第三获取模块430。其中，

第一获取模块410，被配置为获取农作物的历史市场需求信息。

第二获取模块420，被配置为根据第一获取模块410获取的历史市场需求信息和策略获取模型，获取农作物的目标市场需求信息；

第三获取模块430，被配置为根据第二获取模块420获取的目标市场需求信息，获取农作物的种植策略信息。

可见，获取农作物种植策略的装置可根据农作物的历史市场需求信息，预测出农作物的目标市场需求信息，从而获取农作物的种植策略信息，这样，遵循市场供求关系来配置农作物的种植策略，提高了农作物种植预测的精准性，减少了农作物产量过剩带来经济损失的几率，也减少了农作物产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

图5是根据一示例性实施例示出的第二获取模块420的框图。如图5所示，第二获取模块420可包括：获取子模块421和预测子模块422，其中，

获取子模块421，被配置为获取与市场需求相关的经济参数，其中，经济参数包括以下至少一个：气候参数、经济状况衡量指标参数、或人口变化参数。

预测子模块422，被配置为根据第一获取模块410获取的每个历史市场需求信息和获取子模块421获取的经济参数，采用策略获取模型获取目标市场需求信息。

可见，预测模块在获取目标市场需求信息时，还可考虑其他影响农作物市场的经济参数，这样，采用策略获取模型，进一步提高了农作物种植预测的精准性。

图6是根据一示例性实施例示出的预测子模块422的框图，如图6所示，预测子模块422还可包括：确定单元4221和预测单元4222，其中，

确定单元4221，被配置为根据第一获取模块410获取的历史市场需求信息，以及获取子模块421获取的每个经济参数，确定第一多项式回归模型的训练目标参数。

预测单元4222，被配置为根据确定单元4221确定的训练目标参数，以及第一多项式回归模型的多项式方程，确定农作物的目标市场需求信息。

这样，先确定训练目标参数，然后进行多项式方程的运算，得到农作物下一周期的目标市场需求信息，使得多项式回归模型可具有多样性，使得预测过程灵活多变。

当然，确定单元4221，可还被配置为通过梯度下降法来最优化第一公式，得到第一多项式回归模型的训练目标参数w，其中，第一公式为：w为训练目标参数，N为获取的历史市场需求信息的个数，x为获取的经济参数，y为获取的历史市场需求信息，d为多项式的最高次数，b为获取的经济参数的个数，μ为正则化的系数，用来防止训练过拟合。

而预测单元4222，还可被配置为通过第一多项式回归模型的多项式方程对应的第二公式，获得农作物的目标市场需求信息，其中，第二公式为：w为训练目标参数，x为获取的经济参数，d为多项式的最高次数，b为获取的经济参数的个数。

而第三获取模块获取的种植策略信息包括以下至少一项：种植土地类型、种植土地面积、配种类型、配种数量。

可见，可根据目标市场需求信息，对种植土地类型、种植土地面积、配种类型，或配种数量进行配置，从而，产出与市场匹配的农作物。

下面将操作流程集合到具体实施例中，举例说明本公开实施例提供的装置。

实施例三，图7是根据一示例性实施例三示出的获取农作物种植策略信息的框图，如图7所示，该装置包括：第一获取模块410、第二获取模块420以及第三获取模块430，其中，第二获取模块420可包括获取子模块421和预测子模块422，而预测子模块422可包括确定单元4221和预测单元4222。

本实施例中，农作物可为大蒜，经济参数可包括多个经济参数。

这样，第一获取模块410可从数据库中获取大蒜近十个季度的每个季度市场需求信息。而第二获取模块420中的获取子模块421还获取与大蒜市场相关的多个经济参数，例如获取气候参数、经济状况衡量指标参数、人口变化参数、环境变化参数等等。第二获取模块420中的预测子模块422可进行预测。

具体地，预测子模块422中确定单元4221根据第一获取模块410获取的每个季度市场需求信息，以及获取子模块421获取的每个经济参数，确定第一多项式回归模型的训练目标参数。其中，第一公式为：第一公式中w为训练目标参数，N为获取的历史市场需求信息的个数，x为获取的经济参数，y为获取的历史市场需求信息，d为多项式的最高次数，b为获取的经济参数的个数，μ为正则化的系数，用来防止训练过拟合。这样，确定单元4221通过梯度下降法来最优化第一公式，得到第一多项式回归模型的训练目标参数w。

预测子模块422中预测单元4222根据确定单元4221确定的训练目标参数，以及第一多项式回归模型的多项式方程，确定大蒜的目标市场需求信息。其中，

这样，通过梯度下降法来最优化第一公式，得到第一多项式回归模型的训练目标参数w。第一多项式回归模型的多项式方程对应的第二公式w为训练目标参数，x为获取的经济参数，d为多项式的最高次数，b为获取的经济参数的个数。确定单元4221已经确定了训练目标参数w，从而预测单元4222通过第二公式即可获得大蒜的目标市场需求信息。

从而，第三获取模块430可根据目标市场需求信息，配置大蒜的种植策略。

可见，本实施例中，遵循市场供求关系来配置农作物的种植策略，并在预测时，考虑了多种经济参数，进一步提高了农作物种植预测的精准性，合理地配置农作物种植策略，可使得经济收益最大化。

本公开实施例提供一种获取农作物种植策略信息的装置，被配置为终端，包括：

处理器；

被配置为存储处理器可执行指令的存储器；

其中，处理器被配置为：

获取所述农作物的历史市场需求信息；

根据所述历史市场需求信息和策略获取模型，获取所述农作物的目标市场需求信息；

根据所述目标市场需求信息，获取所述农作物的种植策略信息。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开的实施例提供的上述技术方案，可根据农作物的历史市场需求信息，预测出农作物的目标市场需求信息，从而获取农作物的种植策略信息，这样，遵循市场供求关系来配置农作物的种植策略，提高了农作物种植预测的精准性，减少了农作物产量过剩带来经济损失的几率，也减少了农作物产量过低带来市场恐慌的几率，对制定国民经济发展计划，进行生产调度与规划具有重要意义。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图8是根据一示例性实施例示出的一种用于获取农作物种植策略信息的装置1200的框图，该装置适用于终端设备。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图8，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)的接口1212，传感器组件1214，以及通信组件1216。

处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理组件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。

存储器1204被配置为存储各种类型的数据以支持在装置1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1206为装置1200的各种组件提供电力。电源组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。

多媒体组件1208包括在装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与触摸或滑动操作相关的持续时间点和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当装置1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。

I/O接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到装置1200的打开/关闭状态，组件的相对定位，例如组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1216被配置为便于装置1200和其他终端之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，通信组件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1220执行以完成上述方法。例如，非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当存储介质中的指令由装置1200的处理器执行时，使得装置1200能够执行图1所示的方法，方法包括：

获取所述农作物的历史市场需求信息；

根据所述历史市场需求信息和策略获取模型，获取所述农作物的目标市场需求信息；

根据所述目标市场需求信息，获取所述农作物的种植策略信息。

所述根据所述历史市场需求信息和策略获取模型，确定所述农作物的目标市场需求信息包括：

获取与市场需求相关的经济参数，其中，所述经济参数包括以下至少一项：气候参数、经济状况衡量指标参数、或人口变化参数；

根据所述历史市场需求信息和所述经济参数，并采用所述策略获取模型获取所述目标市场需求信息。

所述采用所述策略获取模型获取所述目标市场需求信息可包括：

根据每个所述历史市场需求信息，以及获取的每个经济参数，确定所述第一多项式回归模型的训练目标参数；

根据所述训练目标参数，以及所述第一多项式回归模型的多项式方程，确定所述农作物下一周期的目标市场需求信息。

所述确定所述第一多项式回归模型的训练目标参数可包括：

通过梯度下降法来最优化第一公式，得到所述第一多项式回归模型的训练目标参数w，其中，所述第一公式为：

所述w为训练目标参数，所述N为获取的历史市场需求信息的个数，所述x为获取的所述经济参数，所述y为获取的所述历史市场需求信息，所述d为多项式的最高次数，所述b为获取的所述经济参数的个数，所述μ为正则化的系数，所述用来防止训练过拟合。

所述确定所述农作物的目标市场需求信息可包括：

通过所述第一多项式回归模型的多项式方程对应的第二公式，获得所述农作物的目标市场需求信息，其中，所述第二公式为：

所述w为训练目标参数，所述x为获取的所述经济参数，所述d为多项式的最高次数，所述b为获取的所述经济参数的个数。

所述所述种植策略信息包括以下至少一项：种植土地类型、种植土地面积、配种类型、配种数量。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。