共查询到10条相似文献,搜索用时 15 毫秒
1.
农产品市场价格短期预测研究进展 总被引:6,自引:0,他引:6
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。 相似文献
2.
3.
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 总被引:2,自引:0,他引:2
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。 相似文献
4.
5.
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。 相似文献
6.
基于时间序列与RBF的农产品市场价格短期预测模型 总被引:1,自引:0,他引:1
为协助生产者更好地播种和收获,有效把握国内农产品价格波动规律,提高农产品价格预测精度.本文构建了基于农产品价格时间序列组合预测方法与RBF神经网络的集成预测模型,以ARCH、Holt-Winters无季节模型时间序列组合预测方法揭示农产品价格序列线性特征,以RBF神经网络揭示农产品价格非线性变动规律,并以1997-2011年全国农产品集贸市场大豆月度价格走势数据为例进行实验验证.研究结果显示,基于农产品价格时间序列组合预测方法与RBF神经网络的集成预测模型精度高于时间序列组合预测方法或RBF神经网络模型,是一种有效的农产品价格预测模型. 相似文献
7.
准确预测农产品市场价格对政府宏观调控和农业生产者制定生产决策具有重要意义.本研究提出了一种基于模糊信息粒化和遗传算法的支持向量机(GA-SVM)农产品价格预测模型.该模型首先将原始价格数据进行模糊信息粒化,然后利用支持向量机对粒化后的价格数据做出预测.为提高预测精度,利用遗传算法对支持向量机的参数进行优化.对国内某农产品批发市场的价格数据进行实证分析的结果表明,该方法能对农产品价格的变化范围进行有效地预测. 相似文献
8.
9.
罗永恒 《湖南农业大学学报(自然科学版)》2013,(1):96-99
采用ARMA 模型,对中国农产品生产价格指数(1979-2010)时间序列进行了建模分析.结果表明,ARMA(5,1)模型是平稳的且是可逆的.对2011-2013的中国农产品生产价格指数GPIFP进行了短期预测.预测结果分别是112,102和108.采用ARMA模型进行农产品生产价格指数的分析与预测,能较好地反映其动态变化,对促进我国农产品价格市场和谐发展具有重要的参考价值. 相似文献
10.
基于多元回归的BP神经网络生猪价格预测模型 总被引:3,自引:0,他引:3
生猪价格波动是由多种因素共同影响决定的,准确预测生猪价格对稳定农产品市场具有重要意义。首先分析影响生猪价格波动的影响因子及生猪价格变化规律和趋势,然后通过灰色关联度分析和Stepwise回归分析影响生猪价格波动的主要影响因子,再利用多元回归分析和反向传播(BP)神经网络构建BP-多元回归预测模型,对生猪价格进行预测,并对预测结果进行分析。结果表明,BP-多元回归预测模型较单一的多元回归和BP神经网络预测模型预测精度提高了10百分点以上,预测精度高达93.3%,大大提高了生猪价格预测的准确性和可靠性。 相似文献