[发明专利]一种生猪养殖的规划方法及规划系统

权利要求书

1.一种生猪养殖的规划方法，其特征在于，所述规划方法包括：

获取历史数据，所述历史数据包括猪肉价格数据及关联因素数据，所述关联因素数据为猪肉价格的关联因素的历史数据；

采用时差相关性分析方法对所述猪肉价格数据及所述关联因素数据进行相关性分析，筛选出与猪肉价格的相关系数大于相关性阈值的关联因素数据作为关联输入数据；

对每个关联因素的相邻预测周期的所述关联输入数据依次进行差值处理，获得关联因素差值数据，并对相邻预测周期的所述猪肉价格数据进行差值处理，获得猪肉价格差值数据；

获取猪肉价格波动区间的数量K及各关联输入因素的波动区间的数量，所述关联输入因素为关联输入数据对应的关联因素；

采用K-means聚类分析方法对所述猪肉价格差值数据及各关联因素差值数据进行聚类划分，获得K个猪肉价格波动区间及第i个关联输入因素的M_i个波动区间，i表示关联输入因素的序号，1≤i≤I，I表示关联输入因素的数量；

利用所述K-means聚类划分后的猪肉价格差值数据和关联输入因素差值数据训练贝叶斯网络，获得贝叶斯网络模型；

获取时间序列训练数据及概率确定数据，所述时间序列训练数据和所述概率确定数据均为所述贝叶斯网络模型的输入变量对应的关联因素的历史数据；

根据所述时间序列训练数据建立时间序列模型；

将所述时间序列训练数据输入所述时间序列模型，获得时间序列模拟数据；

根据所述时间序列训练数据及所述时间序列模拟数据确定残差序列；

利用所述残差序列对极限学习机进行训练，获得极限学习机模型；

根据所述时间序列模型和所述极限学习机模型，确定概率确定数据的最终模拟序列；

根据所述概率确定数据及所述最终模拟序列确定未来关联输入因素预测值的发生概率；

根据各个预测值的发生概率、所述时间序列模型、所述极限学习机模型和所述贝叶斯网络模型预测猪肉价格波动分别属于各猪肉价格波动区间的概率分布；

根据所述概率分布规划生猪养殖中仔猪补栏数量和时间、人力和物资投入以及生猪出栏数量和时间。

2.根据权利要求1所述的规划方法，其特征在于，所述采用时差相关性分析方法对所述猪肉价格数据及所述关联因素数据进行相关性分析之前，还包括：

对所述猪肉价格数据进行归一化处理，获得归一化处理后的猪肉价格数据；

对所述关联因素数据进行归一化处理，获得归一化处理后的关联因素数据。

3.根据权利要求2所述的规划方法，其特征在于，所述对所述猪肉价格数据进行归一化处理之前，还包括：

通过线性插值法或曲线拟合法求出所述历史数据中的缺失数据，并将所述缺失数据补充到历史数据中，形成完整的历史数据；

根据预测周期对完整的历史数据进行统一化处理，获得统一化处理后的历史数据。

4.根据权利要求1所述的规划方法，其特征在于，所述根据所述时间序列训练数据建立时间序列模型，具体包括：

对所述时间序列训练数据进行单位根检验，判断所述时间序列训练数据是否存在单位根，获得第一判断结果；

当所述第一判断结果表示所述时间序列训练数据拒绝存在单位根原假设时，计算所述时间序列训练数据的自相关函数和偏相关函数；

判断所述自相关函数和偏相关函数是否具有拖尾性，获得第二判断结果；

当所述第二判断结果表示所述自相关函数和所述偏相关函数均具有拖尾性时，则根据所述时间序列训练数据建立时间序列模型；

当所述第一判断结果表示所述时间序列训练数据存在单位根时，对所述时间序列训练数据进行差分处理，获得拒绝存在单位根原假设的时间序列训练数据，并返回所述“计算所述时间序列训练数据的自相关函数和偏相关函数”。