西南财经大学思维导图

大学生创新训练计划项目申请书

项目名称：AI赋能成渝双城经济圈的农产品供应链研究——以柑橘为例

所属专业类代码： 1206

负 责 人：

蒙香君

负责人所属学院： 工商管理学院

联系电话： 15982403259

指导教师： 李峰

填表日期：

西南财经大学教务处 制

填 表 说 明

一、申请书按照表格的要求，逐项认真填写，填写内容必须实事求是，表达明确严谨，空缺处要填“无”。

二、研究起止时间原则上为1年，最长为2年。

三、项目所属专业类代码：四位代码，按照《普通高等学校本科专业目录和专业介绍（2020年）》填写，具体见信息表“专业类代码对照表”。

四、格式要求：正文为宋体五号，1倍行距。

一、基本信息

项目名称

<a id="_Hlk195693881"></a>AI赋能成渝双城经济圈的农产品供应链研究——以柑橘为例

选题类型

□自主选题 □青苗计划 □智拓计划 □经纬计划 ☑星火计划

研究起止时间

2025.4.15-2026.5.10

项目性质

□基础性研究 ☑应用性研究 □社会调研 □设计、发明

项 目

负

责

人

姓名

蒙香君

性别

女

出生年月

2005.03

学号

42312226

所在学院和专业

工商管理学院供应链管理

联系电话

15982403259

电子邮箱

3256543084@qq.com

项目团队成员

姓名

学号

学院

专业

主要承担任务

杜志玲

42312224

工商管理学院

工商管理（数字化管理）

实地采访与实践文献检索与总结

徐晨刚

42326008

数学学院

数学与应用数学（数学与经济学双学位）

文献检索与总结、建立模型与实证分析、效用分析

任周源

42342014

数学学院

数学与应用数学（金融数学光华实验班）

数据收集与处理、

建立模型与实证分

析、效用分析

陈怡霖

42312036

数学学院

数学与应用数学（金融数学光华实验班）

文献检索与总结、资料整合与数据收集

指导教师

姓名

职称/职务

研究方向

所属单位

联系电话

李峰

教授

评价理论与方法，供应链管理理论，多属性决策技术

工商管理学院供应链管理系

13033083361

二、项目论证设计

项目研究意义，目前国内外研究的现状和趋势（不超过2000字）

一、项目的研究意义

1.理论意义

1.1融合AI技术与农业研究，丰富供应链管理理论体系

在2025年3月31日川渝乡村振兴AI赋能农业产业供应链发展大会上，四川省供应链服务行业协会与科研机构合作的西部供应链研究院发布《AI+农业供应链川渝协同发展白皮书》提出，AI技术能够优化生产预测、仓储管理和物流路径规划，实现供应链全流程的智能化协同。AI技术通过智能决策系统、数字孪生农场、冷链物流网络等场景，重构了传统供应链的信息流、物流和价值链。AI技术的应用推动农业经济研究从传统生产要素转向数据要素，通过对AI技术与农业供应链的融合研究，期望能填补传统供应链理论中技术驱动的空白，同时为农业供应链的柔性化、绿色化升级提供理论支撑，丰富农业供应链管理的理论体系。

1.2深化区域经济协同发展理论

2024年，中央经济工作会议强调要加大区域战略实施力度，发挥区域协调发展战略的作用。习近平总书记指出，只有实现了城乡、区域协调发展，国内大循环的空间才能更广阔推动区域协调发展是构建新发展格局的强大助力，我国经济能够健康、平稳、持续运行离不开区域协调发展的不断优化。AI技术通过提升产业链韧性促进区域协同，助力成渝双城区域经济协同发展。

2.实践意义

2.1服务国家重大战略需求

2025年中央一号文件提出要”实施数字乡村强农惠农富农专项行动”，通过AI技术赋能农产品供应链，提升农业生产效率和农产品附加值，助力农业现代化。从国家层面来看，《数字乡村发展行动计划（2022-2025年）》明确提出要加快推动智慧农业发展。此外，《推动成渝地区双城经济圈市场一体化建设行动方案》中提出要共同完善市场基础设施，协同提升物流网络运营能力等。研究AI赋能农产品供应链，可以为成渝地区构建现代化产业体系、打造内陆开放门户等提供有力支持，助力国家重大战略的实施。

2.2助力成渝区域经济圈高质量发展

成渝地区双城经济圈建设是国家重大区域发展战略之一。通过AI技术赋能农产品供应链，可以促进成渝两地农业资源的优化配置和协同发展，提升区域农业的整体竞争力，助力成渝经济圈区域经济高质量发展。在当前成渝双城经济圈背景下，重塑成渝地区双城经济圈区域发展新格局，推动成渝两地区域协同高速发展，对促进经济社会发展具有重大的意义和价值。

2.3推动成渝地区农业数字化转型

2025年中央一号文件提出“实施数字乡村强农惠农富农专项行动”，AI技术作为数字乡村建设的重要支撑，可以推动农产品供应链的数字化转型，提升农业信息化水平。通过AI技术实现农产品生产、流通、销售等环节的智能化管理和优化，提高供应链效率，降低物流成本，响应对“推进农村电商高质量发展”的要求。AI技术可以通过智能化管理和优化，推动农产品流通网络的现代化建设，提升供应链韧性，优化农业库存管理。

二、目前国内外研究的现状和趋势

关于成渝地区双城经济圈的农业发展已有国内外许多相关学者进行了相关研究，众多学者的共识是认为加快成渝地区双城经济圈农业协同发展，不仅有助于乡村振兴目标的推进，也为国家建设农业强国贡献成渝力量打下坚实的基础（刘文等，2023），拥有重大的理论与现实研究意义。目前，关于成渝经济圈农业协同发展的现状，学者熊劼指出其中重要一点为成渝地区农业科技创新水平相对较低，导致农业科技创新优势无法得到充分发挥（熊劼，2024）；学者刘文等人进一步举例指出成渝地区农业科技协同发展中存在不足，一是协同机制不完善，两地缺乏合理有效的统筹协调，在产业分工方面不够合理，产业链、创新链等对接融合不够充分，产业和技术转移对接路径尚未成熟（刘文等，2023）。

对此等现象，科技赋能农产品供应链是破局思路之一。在生鲜农产品的需求预测方面，学者Tang QiansHi使用了马尔科夫优化均值GM(1,1)模型进行了农产品冷链的需求预测（Tang QiansHid等，2023）；学者刘雪丽和姜华选择使用多元回归模型进行需求预测（刘雪丽和姜华，2024）；学者郝杨杨和邹宇使用了反向传播（BP）神经网络方法对生鲜农产品的需求预测（郝杨杨和邹宇，2024）。在生鲜农产品的库存管理方面，大部分学者都将最近的目光聚焦于强化学习的方法学者李帅鹏等采用了强化学习的方法进行库存控制（李帅鹏等，2024）；李娇娇等学者则选用了深度双Q网络进行库存成本控制；Zihao Wang等学者的最新研究使用了一种奖励整形的深度强化学习方法（Zihao Wang，2025）。

综上所述，强化学习方法可视为当前生鲜农产品管理的有效方案。然而，在需求预测领域，现有研究大多仍依赖传统模型，尚未将机器学习技术与销量预测相结合展开深入探讨。

项目研究的目标与内容（不超过2000字）

一、项目的研究目标与内容

本项目聚焦于利用大数据，结合AI对多模态数据的处理能力，并加入机器学习模型的供应链优化，综合提升成渝双城经济圈中农产品供应链的效率，特别是针对柑橘这一重要农产品的库存管理优化。当前,川渝两地正深入贯彻落实党中央关于成渝地区双城经济圈建设的战略部署,全面推进乡村振兴与城乡融合发展。在此背景下，优化农产品供应链对于促进区域经济发展、保障农产品质量和减少资源浪费具有重要意义。

本项目通过“预测-优化-协同”三位一体创新，攻克成渝农产品供应链的三大瓶颈：需求预测精度低、跨城调拨效率差、政策响应滞后。技术层面融合多模态Transformer、多智能体强化学习与区块链，应用层面深耕垂直场景与区域特色，预期形成2篇高水平论文，并为成渝双城经济圈提供可复制的智慧供应链样板。

图 1研究框架图

1.第一阶段

研究目标：

研究内容：

项目将成渝地区视为一个大型供货仓，通过预测外界需求量，实现柑橘的合理规划与库存管理。鉴于柑橘等农产品的易腐性，避免库存积压或供货不足是关键。项目将通过网络爬虫技术收集相关数据，并分两个层次构建模型：

1.数据收集与预处理：通过网络爬虫技术获取过去36个月的柑橘销售数据、电商大数据、气象数据、价格变化、存储消耗、收入水平等多维度、多模态数据。对于图片、影像等非传统类型的数据经过AI大模型的处理转化为传统数据，再这些数据将经过清洗和归一化处理，以确保数据的质量和一致性。

2.特征提取与降维：运用PCA主成分分析法识别关键影响因素，提取对柑橘销售量影响最大的特征。通过降维处理，减少数据维度，提高模型的计算效率。

3.模型构建与预测：首先，以成渝地区对外销售量为因变量，进行泊松回归或负二项回归分析，确定各影响因素的权重。其次，结合时间序列ARIMA模型和深度学习Transformer模型，捕捉数据中的趋势、季节性和长期依赖关系，从而精准预测未来的需求量。这一阶段的研究将为后续的库存管理优化提供科学依据。

ARIMA模型在处理时间序列数据方面具有较强的能力，能够捕捉数据中的趋势和季节性特征。然而，对于复杂的非线性关系和长期依赖关系，ARIMA模型的局限性较为明显。Transformer模型作为一种深度学习模型，能够有效处理序列数据中的长期依赖关系，通过自注意力机制捕捉数据中的复杂模式。将ARIMA与Transformer相结合，不仅能够充分利用传统统计模型的优势，还能借助深度学习模型的强大拟合能力，提高预测的准确性和鲁棒性。

2.第二阶段

研究目标：

研究内容：

1.库存管理模型构建：我们以每个月为周期，假设进货和出货在每个周期内完成，剩余库存结转至下月。结合每个周期预测的需求量，考虑到时间因素、动态定价、人均收入等因素，应用Q-learning得到最佳的周期进货量。

2.Q-learning算法应用：通过Q-learning算法，模型在环境中通过试错学习最优策略。以满足客户需求为目标，若库存满足了预测的周期需求量，将减少库存作为正向奖励；反之则为负向奖励。通过贝尔曼方程更新Q值表，经过数千次迭代，使Q表收敛至最优策略。

3.动态因素考虑：在模型中引入动态定价、人均收入等外部因素，模拟真实市场环境下的库存管理决策。通过不断调整进货量和库存水平，实现库存管理的动态优化。

Q-learning作为一种强化学习算法，通过与环境的交互学习最优策略，具有较强的适应性和灵活性。在库存管理中，Q-learning能够根据实时数据动态调整策略，避免传统方法中因市场变化导致的策略失效。此外，通过引入动态定价和人均收入等外部因素，模型能够更全面地反映市场变化，提高库存管理的科学性和准确性。

通过这两个阶段的研究，本项目不仅能够为成渝地区的柑橘供应链提供科学的决策支持，还能够为其他农产品供应链的优化提供借鉴，具有重要的理论和实践意义。在成渝双城经济圈建设的国家战略背景下，本研究将为区域农业的高质量发展和乡村振兴战略的实施提供有力支持。

一、项目的特色项目的特色及创新之处（不超过800字）

第一阶段创新点

1.多模态数据融合与动态特征工程

创新技术：将传统时间序列模型（ARIMA）与深度学习方法（Transformer）结合，首次在农产品需求预测中引入“多模态数据融合“，整合电商销售数据、气象数据、交通物流数据及社交媒体舆情，构建成渝地区柑橘供应链的时空特征矩阵。

动态降维优化：首先利用AI大模型对多模态数据进行处理，方便后续研究，采用改进的PCA主成分分析，结合随机森林特征重要性排序，筛选出关键影响因素，例如“连续阴雨天数”对柑橘腐烂率的非线性影响，避免传统线性回归的变量冗余问题。针对数据离散性，提出“负二项回归+注意力机制”的混合模型，显著提升预测精度。

2.预测-解释双驱动框架

在预测模型中嵌入SHAP可解释性分析，量化各变量对需求的影响，为川渝地区冷链物流控制系统提供直观决策依据，突破原始“灰箱”模型的局限和不透明。

第二阶段创新点

1．易腐品约束的Q-Learning算法改进

技术突破：

提出动态状态空间剪枝机制，结合柑橘保鲜期特性（糖度、硬度衰减曲线），当库存果品剩余保鲜期<7天时，自动屏蔽保守补货策略，强制触发促销动作，同时开发双重经验回放池（DER），分离存储常态运营数据（90%）与极端气候事件数据（10%），提升模型在暴雨、高温等突发场景下的决策鲁棒性

2：多因子耦合的奖励函数设计

方法创新：

构建复合奖励函数，量化经济收益与损耗风险的动态平衡

引入时间贴现因子，强化短期决策的时效敏感性，解决传统Q-learning对农产品季节性波动建模不足的问题。

前期研究基础（不超过800字）

项目初步构思

随着川渝乡村振兴AI赋能产业链发展大会在蓉的圆满落幕，本项目的初步构思也有了注脚，本项目将聚焦川渝农业供应链痛点，以AI赋能供应链优化，通过销量预测、动态决策及冷链仓储库存优化，推动区域农业供应链柔性化、绿色化升级

数据与模型准备：

数据收集与处理

目前我们已经通过python网络爬虫的方式对京东、拼多多等电商平台进行爬取，以产地为川渝地区的柑橘卖家进行筛选，完成了2022-2024年成渝柑橘销售数据采集，不仅如此，我们还通过中国气象数据网，获取到了逐日温湿度、降雨量数据；通过高德地图API提取运输路径海拔变化参数。利用Scrapy框架爬取抖音、微博“川渝柑橘”话题评论数据，经情感分析生成需求波动指数。

团队技术储备

团队由一名供应链管理专业、一名工商管理专业及三名应用数学与金融数学专业的成员组成，具备深厚的理论基础与实践能力。供应链管理专业的成员对农产品供应链的运作机制及优化策略有深入理解，能够从物流、库存管理等角度为项目提供专业支持。工商管理专业的成员在企业运营管理、市场分析及决策优化方面经验丰富，为项目的商业应用提供现实指导。三名应用数学与金融数学专业的成员擅长数据分析与建模，精通Python的Pandas和PyTorch库，熟练掌握sklearn库中的各类机器学习模型，为项目的算法实现和模型优化提供了坚实的技术保障。

指导老师研究领域相关

指导老师工商管理学院李峰教授的其中一个研究方向为供应链管理理论，契合本项目优化供应链柔性的主旨，可以从思路及专业知识上提供诸多建议与关键指导，了解深度学习编程基础，可以带领团队成员在模型原理上进行挖掘。

项目研究方法与进度安排（不超过800字）

一、项目研究方法

文献研究法

通过图书馆、中国知网和谷歌学术等渠道收集了大量数据和实践调研资料，特别是国内外关于人工智能在农产品供应链中应用的相关研究成果，明确研究现状、学术争议与研究空白，以为后续实证研究与案例分析提供坚实支撑。有关的研究成果进行广泛的整理和阅读，用理性的思维、正确的科学研究态度对文献进行了分类和梳理。在研究过程中，借鉴和参考了观点相同的部分文献资料，也对观点不同，甚至相悖的一些文献进行了深入的思考和讨论，这对本文的研究提供了多元化的思路和创新性的成果。

模型构建法

本项目融合ARIMA-Transformer混合预测（线性趋势+非线性拟合）与Q-learning强化学习决策，结合PCA多源数据降维和动态奖惩机制，实现需求预测-库存优化双阶段闭环。Q-learning强化学习法

跨学科研究分析法

鉴于本研究涉及农业经济、区域发展、人工智能技术与供应链管理等多个研究领域，具有高度的交叉性和综合性，故在研究方法上引入跨学科研究分析法，以整合不同学科的理论框架与研究工具，从多维度深入探讨AI赋能背景下成渝双城经济圈柑橘供应链的优化路径。跨学科研究不仅有助于突破单一学科视角的局限性，还能更全面地揭示复杂供应链系统中技术、制度与市场等多因素的互动逻辑。

实证分析法

为增强研究的现实解释力和结论的科学性，本文引入实证分析法，对成渝双城经济圈中柑橘供应链的运行特征及AI技术的赋能效果进行系统性量化研究。实证分析主要依托师弟调研的访谈结果以及政府和行业公开数据，通过统计学与计量经济学的方法，识别影响柑橘供应链效率和智能化水平的关键因素，进而评估人工智能技术在不同环节中的作用强度与效果差异。对原有供应链进行深度优化。

二、项目研究进度安排

第一阶段（2025.04~2025.08）：前期准备

为深入研究AI技术在成渝双城经济圈农产品供应链中的应用情况，本团队通过图书馆资源、中国知网以及Google Scholar等多个信息渠道，系统梳理并收集了大量与人工智能在农产品供应链中应用相关的国内外研究资料与实践案例。在全面掌握研究进展的基础上，深入分析了当前学术界的主要观点分歧与研究空白，为后续的实证调研与典型案例分析奠定了坚实的理论基础与资料支撑。并拟于暑假期间开展实地考察调研工作。调研结束后将整理数据并开展案例分析，为第二阶段的论文撰写提供实证依据。

第二阶段（2025.08~2025.11）：中期研究

在本阶段团队将专注于数据收集与预处理，包括爬取成渝地区过去36个月的柑橘销售数据、气象数据、电商数据及价格数据，并进行清洗和异常值处理。首先将进行关键影响因素分析，采用PCA主成分分析筛选核心变量，并通过泊松回归或负二项回归确定各因素的权重。其次，构建ARIMA-Transformer混合预测模型，先利用ARIMA捕捉时间序列的线性特征，再通过Transformer模型优化非线性关系。最后，将进行模型验证与调优，使用处MAE、RMSE等指标评估性能，并通过超参数调整提升预测精度，并总结第一阶段成果，撰写技术报告，并为第三阶段提供数据支持。

第三阶段（2025.11~2026.05）：成果总结

本阶段我们拟通过Q-learning环境建模，定义状态（如库存水平、预测需求、市场价格）、动作空间（如进货量调整）和奖励函数（基于库存满足率和损耗惩罚）进行Q-learning训练与优化，通过数千次迭代更新Q值表，并结合探索-利用策略（如ε-greedy）使策略收敛。将对比Q-learning策略与传统EOQ（经济订货量）模型的性能，评估库存周转率和损耗率等关键指标，进行系统集成与可视化，开发一个结合预测模型和强化学习策略的简易库存管理看板。最终整合两阶段成果，完成论文或项目报告，并准备答辩或发表。

三、预期研究成果

研究阶段

（起止时间）

阶段成果名称

成果形式

论文拟发表的期刊级别

2025.04-2025.9

基于ARIMA-Transformer的成渝柑橘需求预测模型研究

高水平研究论文

省级论文期刊

2025.9-2026.01

基于DQN强化学习的农产品库存优化应用——以成渝柑橘供应链为例

高水平研究论文

省级论文期刊

2026.01-2026.05

AI驱动的成渝双城经济圈农产品智慧供应链构建研究

高水平研究论文

北大核心期刊

四、经费预算

支出科目

金额（元）

用 途 说 明

书籍类

1000

购买相关书籍（电子书），购买网站版权

印刷类

300

印刷资料，日常进行资料打印

差旅类

4000

用于项目成员调研过程的交通和食宿费用

办公用品类

500

购买研究过程中必要的办公用品

劳务类

600

用于咨询相关专业人士及调研时必要劳务费

合计

6400

五、审核意见

指导教师意见：

指导教师签名：

年 月 日

学院审核意见：

教学院长签名：

年 月 日