基于深度学习的农情灾情分析与预测——中期检查报告

题目

：

基于深度学习的农情灾情分析与预测

学院

：

人工智能学院

专业

：

数据科学与大数据技术

班级

：

大数据技术21-2

学生姓名

：

学 号

：

215150302016

指导教师

：

闫建薇（副教授）

完成时间

：

2024年12月28日

一、工作任务的进展情况

（一）已完成的任务

1.用户管理模块

实现了用户的注册和登录功能，并成功部署了角色权限管理，区分了普通用户和管理员的访问权限。

2.数据查看模块

完成了农产品数据的查看和搜索功能，支持按时间、地域、品种等不同维度进行数据查询。

3.数据处理模块

利用Pandas对农产品数据进行了全面清洗、预处理、特征工程等工作，有效处理了数据中的异常值和缺失值，显著提升了数据质量。

二、工作中遇到的问题及改进措施

（一）遇见的问题

1.LSTM模型预测精度不足

针对LSTM模型在农产品价格和产量预测中精度不高的问题，计划引入注意力机制或优化模型参数，以提升预测性能。

2.数据可视化交互性不强

针对数据可视化界面交互性不足的情况，将增强Echarts图表的交互功能，如添加数据筛选、图表切换等，提升用户体验。

• 改进措施

1.提升LSTM模型预测精度

在LSTM模型中集成注意力层，使模型能够自动聚焦于输入序列中的关键信息，从而提高预测的准确性。这要求我们对LSTM模型结构进行调整，并重新训练模型以评估性能改进。

2.增强数据可视化交互性

在现有Echarts图表的基础上，增加数据筛选、图表类型切换、数据点高亮显示等交互功能。这可以通过在前端代码中添加事件监听器，根据用户操作动态更新图表数据来实现。除了增强图表交互性外，还应关注整体用户界面的设计。通过优化布局、颜色搭配和交互反馈等方面，提升系统的易用性和美观度。这将有助于吸引更多用户，并提升他们对系统的满意度和忠诚度。

三、下一步工作计划

（一）未完成的工作

1.预测模块

计划使用LSTM算法结合其他深度学习技术，对农产品价格和产量进行更精确的预测。

2.可视化分析模块

将继续使用Echarts实现农产品数据的深度可视化分析，包括价格走势图、产量对比图、灾害影响图等，以直观展现数据特征和趋势。

3.后台管理模块

将开发后台管理功能，实现管理员对农产品数据的增删改查操作，同时完善权限管理，确保数据安全。

4.数据分析:

使用Pandas对农产品数据进行清洗、预处理等操作。使用LSTM算法等技术对农产品价格和产量进行预测。根据农产品数据,对农情灾情进行分析。

5.权限管理:

使用Flask-Admin实现管理员对后台数据的增删改查操作。实现用户的注册和登录功能,并根据权限控制用户的操作。

学生签名： 日期：2024年1月5日

指导教师意见：

指导教师签名：

2024年1月6日

系/教研室意见：

负责人签名：

2024年1月8日