农产品市场价格短期预测研究进展

 论文系统概述了近百年来有关国内外农产品市场价格短期预测在理论、方法、实践应用等方面取得的进展,指出主要研究方法的优缺点,并对农产品市场价格短期预测方法研究的特点进行了总结,对今后研究的发展方向进行了展望。研究认为,随着数理统计学、计量经济学、模糊数学、神经网络等理论的发展及方法的广泛应用,目前在农产品市场价格短期预测领域已形成了众多模型,其中主要定量分析方法可概括为四大类,即计量经济预测法、数理统计预测法、智能分析法和组合模型法。在未来的一段时间内,农产品市场价格短期预测将呈现出以定量分析方法占主导、智能化组合化模型逐渐增多、分位数回归模型引入到农产品市场价格短期预测并形成趋势等发展特征。     

农产品价格短期预测系统设计与实现

以面向服务设计与业务为导向,基于B/S模式,采用SSH框架和JAVA方式,借鉴Spring、Struts等开源项目的设计思想,通过中间件嵌入Eviews和Easyfit,研究构建了农产品价格短期预测系统,实现了农产品价格短期预测、农产品市场风险动态预警、农产品进京路线展示和农产品市场行情解析等四大业务功能,将经济模型转化为能实现智能分析、操作便携、运行稳定的系统工具,增强了经济分析成果对现实生产的指导作用。     

基于ARIMA模型的中国生猪价格的短期预测

本文根据2004—2009年分季度中国生猪生产价格变化数据,利用ARIMA模型,短期预测了中国2009年第三、四季度和2010年第一、二季度的生猪价格变化。结果表明,根据ARIMA模型来预测中国生猪价格变化的精度较高,能准确地预见生猪价格短期波动,预计中国2010年猪肉价格可能会出现较大上扬。     

基于经验模态分解和支持向量机的农产品价格短期预测

针对农产品价格序列非平稳、非线性的特征,提出一种基于经验模态分解和支持向量机的短期农产品价格组合预测方法。以全国苹果批发价格的周度价格序列为研究对象,首先对价格序列进行非平稳、非线性检验;然后将价格序列分解成一系列具有不同特征尺度的分量;最后针对各分量的特点分别构建支持向量机模型进行预测,得到苹果批发价格的预测值。研究结果表明,该预测模型能够更好地追踪农产品价格的变化,其预测精度与BP(back propagation)神经网络模型相比有显著提高。     

农产品市场价格短期预测方法与模型研究——基于时间序列模型的预测

为提高农产品市场价格的预见性,及早采取措施减缓价格波动,以全国西红柿月度批发市场价格为预测目标,综合利用季节虚拟变量法、Census X12法、移动平均比率法、Holt-Winters季节指数平滑法、SARIMA法等建立短期预测模型,并根据模型预测误差大小赋予不同的权重值,从而建立组合预测方法。实证分析结果表明:单一模型预测误差波动较大,总体上随着预测周期变长精度下降。在2009年的评估预测中,所建立的5个单一短期预测模型平均绝对误差百分比(MAPE)为10%左右,其中Holt-Winters季节指数平滑法建立的短期预测模型精度最高,MAPE为6.81%。如果预测提前期为3个月,SARIMA模型的预测精度更高,准确率达到95%以上。在实证分析的基础上,采用组合预测方法对2010年西红柿价格进行了预测。     

基于长短期记忆网络的大蒜价格预测模型研究

大蒜是一种重要农产品,其价格波动会给农民、经销商和消费者带来较大影响。因此,准确预测大蒜价格对决策制定、市场规划和风险管理起到至关重要的作用。基于长短期记忆网络算法来分析大蒜价格历史数据,利用核主成分分析法对数据进行特征提取,得到最优参数的预测模型,并对大蒜价格进行短期预测。结果表明,基于KPCA的LSTM模型在对大蒜价格预测时达到预期良好效果,与传统的神经网络和时序模型相比,其具有更高的准确度和稳定性。     

基于WT+改进SSA-LSTM模型的短期天然气负荷预测算法

为提高天然气负荷的预测精度,提出一种改进麻雀搜索算法（Sparrow Search Algorithm,SSA）与长短期记忆网络（Long Short-Term Memory,LSTM）相结合的组合预测模型（即改进SSA-LSTM模型）。先利用Sobol序列产生高质量初始种群,再引入自适应权重和T分布变异以增加麻雀跳出局部最优、提高全局搜索能力,后通过12种测试函数验证改进SSA算法的性能,并将该组合预测模型应用于华北某城市燃气门站的天然气负荷预测。为进一步提高模型预测精度,引入小波变换（Wavelet Transform,WT）,通过5种小波（Symlets小波、Coiflets小波、Fejer-Korovkin小波、Haar小波及Discrete-Meyer小波）对天然气负荷数据进行分解,将分解后的数据代入改进SSA-LSTM模型进行训练与预测,并将预测结果进行重构,以MAPE、RMSE、MAE为模型评价指标,结果表明：利用Discrete-Meyer小波7层分解方法的预测准确性最高,达到99.14%,相较于改进SSA-LSTM模型和传统LSTM模型的预测精度分别提高了3.55%、...     

农产品市场价格短期预测方法的选择及应用——以鲜奶零售价格为例

本文在概述时问序列模型种类及特点的基础上,以我国鲜奶零售价格为例,示范了进行农产品市场价格短期预测时选择合适时间序列模型的筛选过程。通过平稳性、季节性、趋势性以及异方差等一系列检验后,本研究最终选择双指数平滑、Holt—Winters无季节性模型和ARCH模型共3种方法对我国鲜奶零售价格短期预测进行了应用模拟,结果显示,ARCH模型预测结果精确度最高,Holt—Winters无季节性模型稳定性最好。     

一种提高农产品市场价格预测精度的改进算法

为进一步提高农产品市场价格预测精度,及时发现价格异常的农产品,研究以山西晋城绿欣农产品批发市场胡萝卜等13种农产品月均价格数据为依据,对比分析了加权算术平均法、二次指数平滑法等9种时间序列非季节指数预测法,提出了一种改进的二次指数平滑预测法。应用改进后的二次指数平滑预测法计算的误差平方和均小于或等于改进之前,以3月份预测数据为例,其改进算法后误差平方比改进前降低了3007%。综合分析预测值与实际值的误差平方和,以及该种农产品历史预测误差的平方和,可以确定该批发市场某月价格异常的农产品。     

基于LSTM与GARCH族组合模型的苹果价格预测分析

为提高苹果价格的预测精度,提出了一种将深度神经网络与计量经济模型相结合的新方法.发挥LSTM模型的自身学习特性,以及GARCH族模型挖掘经济特征的能力,研究构建了长短期记忆模型(LSTM)与GARCH族多模型结合的组合模型.对比分析多个组合模型的预测性能,实验结果显示,(1)加入波动聚集性、波动持续性、非对称波动性、杠...     

ARIMA模型和灰色模型在农产品价格预测中的应用比较

以遵义猪肉价格为例进行预测模型分析,构建了ARIMA模型和灰色模型,对2种模型的具体步骤进行对比分析。结果表明,ARIMA(1,1,0)模型和灰色模型GM(1,1)为最优预测模型;在农产品价格模型中,ARIMA模型适合短期预测,灰色模型适合中长期预测。     

农产品价格预测系统设计与实现

根据农业价格指数构建了农产品价格数据仓库,充分利用长期积累的大量反映价格指标的历史和现在数据资源,并结合径向基函数(RBF)人工神经网络建模,揭示农产品价格与畜牧业、林业与渔业等相关因素价格的动态关系模型。结果表明该模型能够很好地预测以白菜为例的农产品价格,实现农产品区域供求平衡,并为政府和农户提供结构调整的依据。     

数据挖掘技术在农产品价格预测中的应用

近年来农业商品市场一直处于一种不稳定的状态,但是农产品是人们生活的必需品,针对市场这种动荡不安的情况应利用科学的手段进行专业的调整优化。在数据挖掘的指导思想下建立可靠的农产品价格预测模型,精准剖析市场需求,便于把握农产品的价格走向,稳定农产品市场。进行数据挖掘的第一步就是搜集数据,有足够数量的数据样本可以让实验结果更加准确,其次分析影响农产品价格的因素,利用主成分分析法在建立价格预测模型之前对其进行降维处理,最后根据各个价格预测模型的特性,搭建最合适的模型,提高预测结果的准确度。     

2004年上半年部分农产品价格预测

根据2003年农产品价格变化情况以及历年农产品价格变动规律，对2004年上半年部分农产品价格进行预测。     

基于改进蛛网的鲜活农产品拍卖价格模型

分散的农户经营、产品的易变质特征、参与者在异质市场间的选择行为等给我国鲜活农产品拍卖市场供给和需求的匹配带来了困难.因此基于供需不匹配的视角,对蛛网模型进行了改进:在供给与需求函数中引入流拍率变量,经迭代推导出基于流拍率的鲜活农产品拍卖价格模型.实证结果显示,拍卖价格模型是可行的,且预测精度高达98.7％,高于传统蛛网模型.     

一种基于LSTM的草莓白粉病预测方法

草莓白粉病是近年来影响草莓品质和产量的主要病害之一,为了准确预判日光温室草莓白粉病的发生,尽早采用防治手段减少药物使用,设计了基于长短时记忆网络(LSTM)的日光温室草莓白粉病预测模型。运用无线环境数据采集设备对温室内草莓生长环境因子(空气温度、空气相对湿度、光照强度、土壤温度、土壤相对湿度)进行实时动态监测,并同步进行白粉病流行调查。在此基础上首先总结了日光温室草莓白粉病易发区域,作为病情监测重点区域,用于在模型预测发病时指导人工重点观测。同时采用LSTM模型构建了日光温室草莓白粉病预测模型,预测草莓白粉病是否发生。选取了25项环境相关指标,分别使用发病前7 d至发病前4 d、发病前4 d和发病前7 d的环境数据作为输入训练模型,并比较预测效果。结果表明使用发病前7 d至发病前4 d的环境数据作为模型输入可以准确预测出草莓白粉病发病,精度达到93%,与以发病前7 d的环境数据作为输入的模型相比,预测准确度相当,但使用输入数据更少,可以提前3 d预判出白粉病发病,取得了较好的效果,具有良好应用前景。     

农产品价格信息监测预测系统设计与实现

从信息应用的角度出发,提出了农产品价格信息服务的新模式,介绍了农产品价格信息监测预测系统的设计与实现,阐述了系统的体系结构、功能模块和实现流程,并对系统在数据采集、价格监控、分析预测模式方面的创新点进行了说明。     

ARIMA模型在贵州省农产品价格预测中的应用——以辣椒为例

由于贵州省辣椒月价格呈现季节性,因此以2007年1月至2010年12月贵州省辣椒月价格为例,在运用季节分解方法剔除其季节因素形成新序列的基础上,构建了非平稳时间序列ARIMA（p,d,q）模型,并预测了辣椒未来的月价。结果表明,拟合指标优良的ARI-MA（1,1,1）模型能很好地预测辣椒月价格趋势,并将辣椒价格的预测值与实际值的相对误差基本控制在9%以内,实证分析结果证明了ARIMA模型的季节分解方法在贵州省农产品价格预测中的预测性和可行性。     

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。