一种畜牧业评估方法及系统与流程
本发明涉及畜牧业经营预测方法领域，具体涉及一种畜牧业评估方法及系统。
背景技术：
目前的畜牧生产的过程中，大多停留在传统的经营方式而非商品生产经营方式，缺少以数据为基础的预测分析模型，不易找出盈亏平衡点，也不易对项目风险大小和承受能力进行评估，缺少投资决策的科学依据。
技术实现要素：
本发明的一个目的是解决现有技术中缺少以数据为基础的预测分析模型，不易找出盈亏平衡点的缺陷。
根据本发明的第一方面，提供了一种畜牧业评估方法，包括：s1：获取羊肉价格影响因子；s2：对所述影响因子进行皮尔逊相关分析，筛选出相关性大于预设值的影响因子；s3：对筛选后的影响因子进行进行pca降维处理；s4：对降维后的数据作为训练样本输入至机器学习模型中进行拟合和迭代，直至预测值和真实值的误差小于预设值，得到最终模型。
优选地，所述羊肉价格影响因子包括体重预测值，计算方式为：
优选地，所述羊肉价格影响因子还包括羊群存活率、净肉率、补饲费用、基础种羊培育费、医药水电费、固定资产折旧费以及雇佣牧工费用。
优选地，步骤s1还包括：根据用户输入的各项影响因子通过echarts图表进行盈亏可视化展示。
优选地，步骤s4中，所述机器学习模型为bp神经网络模型。
优选地，所述方法还包括s5：对于给定的用户输入，根据所述最终模型进行价格预测。
根据本发明的第二方面，提供一种畜牧业评估系统，包括：采集模块，用于获取羊肉价格影响因子；筛选模块，用于对所述影响因子进行皮尔逊相关分析，筛选出相关性大于预设值的影响因子；影响因子降维模块，用于对筛选后的影响因子进行pca降维处理；模型生成模块，用于对降维后的数据作为训练样本输入至机器学习模型中进行拟合和迭代，直至预测值和真实值的误差小于预设值，得到最终模型。
优选地，所述羊肉价格影响因子包括体重预测值，计算方式为：
优选地，所述系统还包括：可视化展示模块，用于根据用户输入的各项影响因子通过echarts图表进行盈亏可视化展示。
优选地，所述系统还包括预测模块：对于给定的用户输入，根据所述最终模型进行价格预测。
本发明的有益效果是：为用户提供参数输入接口，能够根据用户实际情况计算成本与收益，进而得出盈亏分析数据与图表，为用户的生产经营和投资决策提供高效、科学的指导。
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。
图1为本发明一个实施例的畜牧业评估方法流程图；
图2为本发明一个实施例的畜牧业评估系统的原理框图；
图3为本发明一个实施例的应用程序界面图；
图4为本发明一个实施例的成本曲线图；其中深色为雇牧工情况下的曲线图，浅色为不雇牧工情况下的曲线图；
图5为本发明一个实施例的影响因子是输入界面图；
图6为本发明一个实施例中根据图5输入的参数声称的曲线图；
图7为本发明一个实施例的价格预测真实值与预测值对比图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
本发明的主要目的是提供一种能够估算盈亏平衡点的方法和系统。具体表现形式可以为应用软件，该应用软件可以根据用户输入的数据搜集用户实际承担的诸如水电费、雇佣费、固定资产折旧费等成本费用，同时可以通过互联网搜集补贴费用、市场价格，还能够估算羊的体重，通过上述各种功能能够估算成本与收益的平衡点，即盈亏平衡点，便于对用户的经营和投资提供启示和指导。
本发明提供一种畜牧业评估方法，如图1所示，包括：
s1：获取羊肉价格影响因子。
s2：对所述影响因子进行皮尔逊相关分析，筛选出相关性大于预设值的影响因子。
s3：对筛选后的影响因子进行进行pca降维处理。
s4：对降维后的数据作为训练样本输入至机器学习模型中进行拟合和迭代，直至预测值和真实值的误差小于预设值，得到最终模型。
对于步骤s1，羊肉价格影响因子包括一切可能影响羊肉价格的因素，可以包括成本支出，也可以包括补贴等收益性因素。例如影响因子可以包括：出售羊只数量、羊肉价格、干草价格、羔羊精料价格、种羊精料价格、牧工工资和棚圈等基础设施费用。这些因素可以由应用软件提供输入接口，由用户手动输入，也可以由软件维护人员定期从相关网站上搜集数据后定期更新。
对于步骤s2，其作用是筛选出相关性较大的影响因子。因为后续要进行拟合和迭代，特征量太多会使预测效率降低，因此进行一定程度的筛选，去掉影响程度较小的因子。
对于步骤s3，由于选出的各种影响因子有可能不是相互独立的，因此通过算法进行降维处理，消除变量间的相关性，使各种影响因子相互独立，这样设置有利于提高预测效率。具体可以通过pca降维消除相关性，原理是：将相关的原始n维特征正交变换以形成独立的k维特征(n>k)，形成的k维数据是原始n维数据的线性组合，从而消除了相关性，减少变量数量进而达到提高预测效率的目的。
对于步骤s4，将步骤s3中降维后的数据作为训练样本输入到机器学习模型中，使用训练后的模型进行预测，计算预测值与真实值的误差，再根据这个误差调整模型中的权值和阈值，使预测误差符合预设的要求。选择的机器学习模型可以为bp神经网络模型。
除了上述各项步骤之外，本发明还提供一些拓展功能，包括羊的体重预测，以及可视化显示。
关于体重预测，步骤s1中的羊肉价格影响因子可以包括体重预测值，计算方式为：
其中y表示体重；a表示体重增长极限参数；b为常数；k为生长速率参数；t为月龄；c、d均为常数；p表示该月平均降水量，单位为mm；s表示该月平均日照时长，单位为h。
关于可视化显示，本发明能够根据用户输入的各项影响因子通过echarts图表进行盈亏可视化展示。
本发明还包括一种畜牧业评估系统，如图2所示，包括：采集模块101，用于获取羊肉价格影响因子；筛选模块102，用于对影响因子进行皮尔逊相关分析，筛选出相关性大于预设值的影响因子；影响因子降维模块103，用于对筛选后的影响因子进行pca降维处理；模型生成模块104，用于对降维后的数据作为训练样本输入至机器学习模型中进行拟合和迭代，直至预测值和真实值的误差小于预设值，得到最终模型。可视化展示模块，用于根据用户输入的各项影响因子通过echarts图表进行盈亏可视化展示。系统还可以包括预测模块：对于给定的用户输入，根据最终模型进行价格预测。
其中羊肉价格影响因子包括体重预测值，计算方式为：
畜牧业评估系统为畜牧业评估方法所对应的虚拟装置，其具有相同的原理，此处不再做详述。
<实施例>
本实施例的应用程序界面图如图3至图7所示，可以通过应用软件接口接收用户输入的以下数据：
(1)补饲费用：包含羔羊和种羊的补饲费用，补饲包括干草和精料两部分。
(2)基础种羊培育费：一只羔羊培育成种羊所花的费用/5年(种羊的使用期限)。
(3)医药水电费：统计牧户一年该项支出，并均摊至每只羊折算。
(4)棚圈等固定资产折旧费：棚圈平均使用期限为13年，根据建设成本折旧。
(5)雇佣牧工费用：目前市场行情为4500元/月，一个牧工可以管理300只羊。
羊群存活率根据样本统计按98％核算，净肉率按46％核算，补贴根据具体补贴政策核算。实际情况中，只有8月份出售羊只才能获得补贴。其中对体重的预测采用公式：
用户可以在应用软件的查询界面中提供出售羊只数量、羊肉价格、干草价格、羔羊精料价格、种羊精料价格、牧工工资和棚圈等基础设施费用7个输入框，养殖户可以根据自己的实际情况自由输入，点击提交按钮查看结果，以实现动态可视化展示。
本例中，得到模型的过程为：
1.首先对影响因子进行收集，收集到的影响因子主要包括来影响羊肉价格的因素很多，主要包括居民消费水平，产量，出售价格，其他替代品价格以及自然条件(降水，风速等)等影响因素
2.通过对影响因子做相关性检验，挑选出相关性较大的影响因子。
3.在步骤二的基础上对影响因子进行降维，在尽可能减少信息损失的情况下达到对数据进行全面分析。
4.将影响因子作为输入变量，羊肉价格作为输出变量，对其进行pcabp神经网络的价格预测。与传统的bp模型相比，精度有所提升。
本发明的预测效果如图7所示，从图7中可以看出，本发明的预测结果与真实值非常相近，具有较高的准确度。
虽然已经通过例子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，以上例子仅是为了进行说明，而不是为了限制本发明的范围。本领域的技术人员应该理解，可在不脱离本发明的范围和精神的情况下，对以上实施例进行修改。本发明的范围由所附权利要求来限定。
- 还没有人留言评论。精彩留言会获得点赞！