基于信息粒化和PSO-SVR 模型的棉花价格波动区间和变化趋势预测

农产品价格的准确预测对农民规避市场风险、提高农业收入和国家农业宏观调控具有重大意义.以国家棉花价格A指数的预测为例,提出了一种基于模糊信息粒化和粒子群优化支持向量回归机(PSO-SVR)的农产品价格预测时序回归模型.该模型首先使用模糊信息粒化方法,将原始国家棉花价格A指数时间序列数据映射为包含最小值Low、中值R、最大值Up3个参数的模糊信息粒,然后使用粒子群优化算法PSO寻找支持向量回归机(SVM)模型的最佳参数c和g,最后,再使用优化后的支持向量回归机(SVM)模型预测国棉价格A指数未来波动区间和变化趋势.实证结果表明,基于模糊信息粒化和PSO-SVR时序回归模型对国棉价格A指数的预测准确有效.     

基于信息粒化和支持向量机的股票价格预测

信息粒化是进行海量数据挖掘和模糊信息处理的有效工具。本文提出了一种基于信息粒化和支持向量机的股票价格预测方法。利用长安汽车的股票数据,建立股票开盘价回归预测模型,该模型克服了传统时间序列模型仅局限于线性系统的情况。应用实例表明：该方法能有效地预测股票价格的变化范围。     

强模糊支持向量机在稻瘟病气象预警中的应用

针对稻瘟病气象顸警中样本含有模糊信息,支持向量机对含有模糊信息样本无法处理的问题,建立适合稻瘟病气象预警特点的分类预警算法(强模糊支持向量机).以模糊事件的可信性测度为基础,将模糊分类问题转化为求解模糊机会约束规划问题;将模糊机会约束规划化转化为与其等价的二次规划,据此给出强模糊支持向量机.并且研究了强模糊支持向量机在稻瘟病气象预警中的应用方法.对浙江省宁波市某水稻种植区2004-2007年稻瘟病气象预警试验,数据结果与实际情况吻合.由此可说明强模糊支持向量机能较好地解决样本中含有模糊信息的分类问题,基于强模糊支持向量机的稻瘟病气象预警方法对于稻瘟病气象预警有较大的优越性.     

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。     

基于FIG-SVM的农产品价格趋势预测

针对传统预测方法对长时预测效果不理想且无法做到趋势预测的问题,提出了一种基于FIG-SVM的农产品市场价格预测方法。利用粒化计算的思想将农产品市场价格序列提升到上层粒度序列,通过SVM对新形成的粒化序列进行预测,形成预测区间,最后根据实测值与预测值的对比结果判断预测方法的优劣。以全国大豆市场平均价格作为试验数据,结果表明,该方法预测精度较高,能够应用于实际场景。     

基于遗传算法优化的支持向量机干旱预测模型

为了克服支持向量机参数人工选择的盲目性和依靠经验的缺陷,采用遗传算法优化支持向量机的C,g两个参数,实现支持向量机参数的优选,减少参数选择的工作量,并提高模型的预测精度。并将遗传算法优化的支持向量机模型应用到浑河流域干旱预测中,通过matlab编程建立该模型。以海城、大洼、辽阳、沈阳4个站的降雨量进行建模预测,结果表明:模型的预测值和真实值拟合度较高,模型的预测精度满足要求,说明该模型用于浑河流域的干旱预测具有可行性,为决策部门能及时有效地指导和部署抗旱工作、合理利用分配现有的水资源提供依据。     

粗集-遗传支持向量机模型在供应链绩效评价中的应用

将粗集-遗传支持向量机模型运用到供应链绩效评价中,首先利用粗集理论剔除影响供应链绩效评价的冗余因素,获得核心影响因素,再采用支持向量机对于提取得到的核心影响因素预测供应链绩效所处的级别。在支持向量机分类过程中,利用遗传算法对支持向量机算法的参数进行寻优,获得最佳参数模型,而后预测得到供应链绩效评价级别。最后,实例运用此模型进行了预测,并与只运用粗集-支持向量机进行预测的结果进行对比。结果表明,利用粗集-遗传支持向量机方法对供应链绩效评价级别的预测准确率更高,预测结果更符合实际,是一种科学可行的方法。     

改进支持向量机的股票价格预测研究

为了提高股票价格预测精度,提出一种改进支持向量机的股票价格预测模型。该模型利用粒子群算法的全局寻优能力对支持向量机参数进行优化,以提高股票价格的预测精度,采用具体股票价格数据对模型性能进行测试。结果表明,改进支持向量机能够对股票价变化趋势进行预测,是一种有效、高精度的股票价格预测模型。     

基于近红外光谱的纽荷尔脐橙产地识别研究

【目的】中国柑橘产区分布广、生态类型复杂,不同产地纽荷尔脐橙果实品质和市场效应具有较大差异。研究基于近红外光谱技术的柑橘产地识别技术,利于不同柑橘产地果品的识别和鉴伪。【方法】从中国南方17个纽荷尔脐橙主要产地选择代表性成年果园,分别采摘成熟鲜果样品100个。利用SupNIR-1500近红外分析仪采集脐橙果实赤道部、肩部表面以及果汁滤液的近红外反射光谱,光谱波长范围为1 000-2 499 nm。采用主成分分析法对原始光谱数据进行预处理,提取近红外光谱的特征信息以降低数据集维度以及噪声。研究人工神经网络理论,构建由一个输入层、一个具有非线性激励函数的隐藏层和一个输出层组成的典型的3层人工神经网络识别模型。研究由径向基函数作为核函数、以光谱主成分作为输入的支持向量机模型,构建由126个分类器组成的一对一扩展支持向量机模型。研究遗传算法优异的自然选择特性,利用遗传算法从光谱主成分中选择出最优的特征基因子集作为支持向量机的输入,构建遗传算法-支持向量机模型。利用3种模型分别对果汁滤液的近红外反射光谱数据进行分类,从而实现产地识别测试,并根据产地识别精度筛选出最优的产地识别模型。进一步对比该最优识别模型对果实赤道部、肩部反射光谱数据的识别精度,从而确定识别精度最高的光谱数据采集源。【结果】利用所建立的3层人工神经网络模型对纽荷尔脐橙果汁滤液的近红外光谱进行产地识别测试,确定当输入神经元数量为11、隐藏神经元数量为13时,模型对果实产地识别的最佳精度达81.45%。采用一对一扩展方式建立支持向量机产地识别模型,研究确定采用径向基函数作为核函数,当主成分数量为20时,脐橙产地识别精度最高可达86.98%。测试利用遗传算法-支持向量机混合模型进行脐橙产地分类识别,确定当种群数量为200、遗传代数为100、交叉概率0.7、突变概率0.01时,遗传算法选择出最优的基因子集进行产地识别,遗传算法-支持向量机模型的产地识别精度最高可达89.72%,优于人工神经网络分类模型和支持向量机分类模型的产地识别精度。进一步利用遗传算法-支持向量机产地识别模型对果实赤道部及肩部的果面反射光谱进行产地识别测试,得到对应的最高识别精度分别为80.00%和69.00%。【结论】遗传算法-支持向量机模型对果汁反射近红外光谱进行产地识别精度最高,优于人工神经网络模型和支持向量机模型。该模型对果实赤道部反射光谱进行分类的精度次于果汁滤液反射光谱但优于果实肩部反射光谱,因此,可利用赤道部的反射光谱实现非破坏性果实产地分类识别。     

基于灰狼优化算法的最小二乘支持向量机红枣产量预测研究

最小二乘支持向量机预测时,其参数的选取大部分只依赖于人工经验,无法实现自适应寻优,阻碍了其学习与泛化能力。针对该问题,采用灰狼优化算法对最小二乘支持向量机参数寻优,以1978—2016全国红枣产量数据为研究对象,利用最小二乘支持向量机的最优参数对红枣产量数据进行拟合与预测。为避免过拟合现象,将1978—2007和2013—2016年数据分别作为模型的训练与预测数据,2008-2012年数据用于交叉验证,同时为检验该模型的预测性能,将其与ARIMA模型的预测效果进行对比分析。实证分析表明,基于灰狼优化算法的最小二乘支持向量机模型预测的平均相对误差小于ARIMA模型预测的平均相对误差,其可适用于红枣产量的预测,也进一步表明灰狼优化算法对最小二乘支持向量机参数优化的有效性。