基于神经网络的组合预测模型方法的研究.pdfVIP

中国畜牧兽医学会信息技术分会2012年学术研讨会 基于神经网络的组合预测模型方法研究 粱毅+，刘世洪 (中国农业科学院农业信息研究所，北京 100081) 摘要：【研究目的】提出以传统猪瘟发病率为对象的组合预测模型；【方法】利用ARIMA模型以及灰色模型GM(1，1) 进行数据初始化处理，将初步处理结果作为优化后的BP神经网络输入构建组合模型；【结果】利用组合模型对2000 年到2009年的月度发病数据进行实例分析，结果表明预测数据精度达到97．379％，较ARIMA模型、灰色模型、BP 神经网络模型分别提高了5．469％、3．499％、1．188％，模型平稳性增强，预测结果良好；【结论】本研究为动物疫情 测报提供了有效的分析手段，验证了组合模型在动物疫情研究中的可行性，并可为其他动物疫病提供借鉴和参考。 关键词：组合模型；ARIMA：GM(1，1)；遗传算法；BP神经网络 1引言 【研究意义】猪瘟作为世界动物卫生组织(OIE)法定的A类动物疫病之一，对我国养猪业造成巨 大的损失，是我国猪传染病主要防治对象【1】。随着信息技术的快速发展与应用，对疫情测报与防控措施 评价等研究起到了重要的作用，由于动物疫情发生本身具有复杂性，受许多不同因素的影响，因此对于 现代社会的测报方法提出了更高的要求。【前人研究进展】东北农业大学的许丹宁等人【12】提出的基于自 回归滑动平均模型(Auto。RegressiveMoving 相比误差指数较小，效果较为理想；PengGuan、De．ShengHuang、Bao．SenZhou等人【31针对肝病提出了 一个基于神经网络的预测模型，通过对比ARIMA模型预测结果，验证了BP神经网络在有自回归现象出 现的情况有更好的预测结果和精度；邓奎、李龙国、伍仪宝14】在分析灰色模型与人工神经网络模型特点 的基础上提出了灰色神经网络组合预测模型，对农业用水量进行预测，提出的灰色网络组合模型预测效 果明显优于单一模型结果。【本文研究切入点】传统的预测方法在预测精度上有着比较大的差异，在动 物疫情预测应用中发展得还不够完善，考虑到动物疫情数据的复杂性，因此提出具有更高精度的模型方 法，来配合动物免疫与疫病检测技术，逐步达到提高动物疫情预测准确度的目的。【拟解决的关键问题】 的组合模型方法。其中ARIMA模型和灰色模型在数据预测方面有着较高的精度，经过这两种模型初步处 理后的预测数据作为优化后的神经网络的输入，构建出基于组合模型的传统猪瘟发病率预测模型。 2模型准备 2．1概念定义 数据作为数据处理对象。 定义年末生猪存栏量为N(万头)，月度发病数为M，则发病率公式定义： 43 论文集 ^靠悦动。--Mxl(1y／o 。Ⅳ 含义为每万头发病数。 22^RlMA模型预测处理 型建立数据，2008年6月至2000年6月数据作为模型验证数据。初始化数据处理结果将作为组合模型 的输入源。 剖l显示原始传统猪瘟发病率统计围来看整体发病率呈现小范阿波动，未发现有明显的季节性波动 和周期性波动。 通过单位根(Unit Root)检测自相关偏相关函数图进一步了解此时问序列数据平稳性，若时间序列 存在单位根，则说明此序列不平稳，反之则平稳。 lilllllliill瓣ill丽ll …＆(月■) 图1传统猪瘟(CSF)发病率(月度／每万头) 1 cSF Star…sti Fig morbidity Chart 由得到的单位根分析结果显示此序列无单位根．园此序列平稳，不需要平稳化处理 利用AIC准则和sc准则进行验证选取(表1)，母终确定模型为ARIMA(1A1)。 表1横型定阶 TabIe1 Modelor