北京市农产品批发市场蔬菜价格预测预报体系研究

从信息应用角度出发,在对北京市蔬菜市场价格相关问题进行了多年调研分析的基础上提出了建立批发市场蔬菜价格预测预报体系的原理及应用效果.     

中国鸡蛋价格波动周期识别与短期预测

本文运用时间序列分析方法,获得并分析了21世纪以来中国的鸡蛋月度价格时间序列的周期成分,比较了蛋雏鸡和蛋鸡配合饲料价格与鸡蛋价格波动之间的关系。研究发现,2000—2015年鸡蛋价格包含了6个完整的波动周期,鸡蛋价格周期的时间长度在16~40个月不等;蛋雏鸡价格波动形态与鸡蛋价格相似,但滞后于鸡蛋价格,蛋鸡配合饲料价格与鸡蛋价格波动一致性则较差。随后,本文用Holter-Winter季节乘积模型对2015年7月—2016年6月的鸡蛋价格进行预测,获得了样本外推12个月的预测结果。     

基于PCA-BP神经网络的羊肉价格预测研究

价格波动受到多种因素的影响,准确的价格预测对市场稳定具有重要的作用。为了更好地服务于市场经济,笔者选取苏尼特羊为研究对象,提出了基于PCA和BP神经网络结合的价格预测方法,首先对影响羊肉价格的指标数据进行PCA降维,选取主成分特征最大的因子为BP神经网络的输入层,羊肉价格作为输出层建立预测模型,将预测结果与已有的苏尼特羊肉价格进行比对验证。结果表明:与标准的BP神经网络相比,结合PCA降维的BP模型具有更小的拟合误差和更高的精度。     

基于前馈神经网络预测猪肉价格的研究

本研究旨在通过分析2008年第1周至2023年第6周近15年全国猪肉价格波动规律,建立可预测未来一定时期猪肉价格变化趋势的模型,为政府和企事业单位进行市场分析提供参考。模型基于前馈神经网络（FNN）,将类型变量处理成独热编码,数值类型变量采用标准化处理,并考虑价格延迟参数,经训练集训练后对测试集进行预测。结果表明,本研究所构建的模型能较准确预测猪肉价格,采用不同影响因素进行预测时结果有较大差异,仔猪价格是影响猪肉价格的关键因素之一,通过设置各影响因素的延迟参数可实现对历史数据的利用并扩大预测的时间跨度。     

基于BP神经网络的饲料产品品质预测方法

饲料加工生产过程是一个非常复杂的系统,其产品品质受原料特性和加工参数的影响,且各加工参数之间相互关联,很难用精确的数学模型来反映原料特性和加工参数与产品品质的关系。利用BP神经网络能自身从样本数据中提取相关的信息,并依据数据建立模型,可以有效准确地预测产品品质。试验结果表明,产品淀粉糊化度预测结果与真值的相关系数R在0.99以上,产品水分含量预测结果与真值的相关系数R在0.97以上,预测效果理想。因此,BP神经网络预测模型用于饲料产品加工品质预测是可行的。     

基于隐马尔科夫和BP神经网络的冲击地压预测研究

冲击地压是煤矿企业井下动力灾害之一。随着煤层开采深度的持续增加,冲击地压发生的危险越来越大。冲击地压危险程度的预测还是以简单的统计调查和单因素预测为主,预测模型的精度不高。本文对隐马尔科夫和BP神经网络混合模型对冲击地压进行预测的可行性进行了研究。该混合模型能够克服现有模型的不足,便于充分利用所有信息根据神经网络提供的观察更新冲击地压危险程度的预测。     

短期国内豆粕价格预测

近期国内豆粕价格小幅回落，山东市场最低成交价２０５０元／吨。如何看待这种变化，笔者认为不必过分的紧张，应该坚信到新豆上市以前，国内豆粕市场仍将保持高位震荡的格局，２１００元／吨有可能成为波动的轴线。主要的原因有如下几点：国内豆粕的总体供应量仍将表现不足。根据最新的市场预计，可以认定８月份国内进口大豆的到货量在１００万吨左右，加上同时期国内期货向现货市场流入的３０～４０万吨和７月份结转的２０万吨左右港口库存大豆（有人预计港口大豆在７月底的存货为１００万吨，笔者认为数字偏高。因为７月份的实际到货量在…     

1月份北京市鸡蛋市场价格形势

对于生活在中国大中城市的人们，肯德基早已经是一个不再陌生的名字。KFC的标志、山姆士上校慈祥的笑脸，这些都已成为伴随中国城市儿童成长的再亲切不过的伙伴。在香喷喷的炸鸡腿、炸鸡翅和热乎乎的汉堡后面，有一组数据值得关注：1987年肯德基在中国开店以来，由美国百胜餐饮集团控股肯德基快餐在国内的连锁店已累计售出约25万多吨鸡，这些鸡原料100％都是产自中国本地。粗略估计，肯德基在中国已售出的鸡肉总量合6亿2干4百万多只鸡，如果将每只鸡的首尾相连排列起来，相当于往返中国最北端的漠河到最南端的曾母暗沙36次的距离!     

基于BP神经网络的电信客户流失风险预测

通过电信客户流失风险的预测,企业可以更有针对性地开展市场营销活动,降低客户流失率,提高企业的市场竞争力。本文通过对电信客户流失的成因分析,建立电信客户流失风险预测指标体系,利用神经网络的学习功能,建立客户流失模型,预测未来客户的流失情况。     

北京市农产品批发市场行情信息加工分析指标体系的研究与应用

一、农产品批发市场行情信息的来源及特点 农产品市场行情信息本身主要指市场价格和上市数量.行情信息是由市场信息员采集而来的,信息采集质量高低,直接影响信息的时效性和准确性.     

基于PCA-SSA-ELM模型的河北省鸡蛋价格预测及预警

为了促进河北省蛋鸡产业健康有序发展,研究以2011年1月份—2020年12月份的120组河北省鸡蛋月度价格数据作为训练样本,分别从供给、需求和消费者收入水平的角度选取影响鸡蛋价格的变量,采用主成分分析(PCA)法对样本数据进行降维处理,通过麻雀搜索算法(SSA)对极限学习机(ELM)进行优化,构建了PCA-SSA-ELM模型,对河北省2021年1月份—2022年5月份共17个月的鸡蛋价格进行预测及预警。结果表明：构建的PCA-SSA-ELM模型整体拟合效果较好,均方根误差为0.23;2021年1月份—2022年5月份河北省鸡蛋预测价格整体呈上涨趋势,波动范围不大,价格整体稳定,其中出现1次正向重警,1次负向重警,1次正向轻警,1次负向轻警,其余13个月均为无警状态;与真实价格对比,共有14个月的警度预测正确,准确率为82.35%。说明该模型可以较为准确地预测河北省鸡蛋价格。最后笔者对河北省蛋鸡产业提出以下对策建议：健全信息服务平台,做好对鸡蛋产业的服务工作;深挖综合数据,优化鸡蛋价格风险预警指标体系;完善对河北省蛋鸡产业的扶持政策。     

BP神经网络在新城疫预测研究中的应用

对气象条件和新城疫发病率进行相关性分析,结合动物流行病学理论确定影响新城疫发病的关键气象因素。利用Matlab软件进行BP(Back-propagation)神经网络预测模型构建,计算预测值与实际发病率的误差绝对值和决定系数R2对所建预测模型进行检验。结果表明将6种气象因素作为预测研究的关键气象因子,BP神经网络模型其决定系数R2=0.760,证实预测效果较好。初步构建出新城疫发病的神经网络预测模型,探索性地将BP神经网络理论在动物疫病预测研究领域中运用,为进一步展开动物疫病预测的研究提供理论参考。     

BP神经网络对杆件受力的预测

讨论利用神经网络对杆件的受力进行预测,并与模型的实际变形情况做比较。     

基于ARIMA模型对广东省生猪价格的短期预测

众多农产品中,猪肉价格波动对物价水平以及居民消费价格指数的影响尤为显著,提前预测生猪价格对调控生猪市场供需关系有重要意义。本研究采用ARIMA时间序列分析模型,以广东省生猪2012—2015年月平均价格为分析与建模基础,对广东省生猪2016年月平均价格进行预测,预测结果良好。     

BP与小波神经网络短时交通流预测对比研究

短时交通量预测是实时管理、调度城市交通的基础。采用小波神经网络方法预测短时交通量,给出了小波变换的基本原理,选取母小波为隐含层基函数构建小波神经网络的基本框架。选取南京市某路段为实例,通过对比传统BP神经网络说明小波神经网络的准确性。实验表明,两种神经网络预测方法都具有一定的准确性,小波神经网络优于BP神经网络。     

基于改进BP神经网络的凉山半细毛羊生产性状预测

为了对凉山半细毛羊生产性状进行预测,试验以遗传算法优化的BP神经网络建立预测模型,通过观测凉山半细毛羊从初生到断奶的5个早期性状(羔羊初生重、羔羊断奶重、初生～断奶日增重、断奶毛长度、断奶毛细度)对其2个成年生产性状(成年体重、成年剪毛量)进行预测。预测值与实测值的相关系数分别为0.878和0.889,说明该预测模型具有较高的准确性,且网络训练时间为39.53 s。与传统的BP神经网络相比,预测精度和训练时间都得到较大提高。