基于时间序列与RBF的农产品市场价格短期预测模型.pdfVIP

168 广东农业科学 2014年第23期 基于时问序列与RBF的农产品市场 价格短期预测模型 屠星月 ，薛佳妮 ，郭承坤 ，封文杰 ，陈英义 1．中国农业大学信息与电气工程学院／农业部农业信息获取技术重点实验室，北京 100083； 2．山东省农科院科技信息研究所 ，山东 济南 250100 摘 要 ：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、Hoh—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。 关键词 ：时间序列；RBF神经网络；方法集成；价格预测 中图分类号 ：F323 文献标识码：A 文章编号：1004—874X 2014 23—0168—06 Short-term forecastofagriculturalproducts prriicceebaasseedo0nnttiimmeeSseerrlieessamndKRBF TUXing-yue，XUEJia-ni，GU0Cheng-kun，FENWen-jie，CHENYing-yi 1．CollegeofInformationandElectricalEngineering,ChinaAgricuhuralUniversity／ KeyLaboratoryofAgricuhuralInformationAcquisitionTechnology，MinistryofAgriculture，Beijing100083，China； 2．InstituteofInformationTechnology,ShnadongAcademyofAgricuhuralSciences，finan250100，China Abstract：AnintegratedpredictionmodelisproposedbasedOiltimeseriesmodelandRBF，forecastingthetrendof agriculturalproductsprice．forthepurposeofassistingproducersin seedingandharvesting．Thetime seriesprediction modelARCH andHolt—Wintersnoseasonareweightedcomposited．featuringthelinearcharacteristicofpriceseries． WhileRBF iSaddedafterward，featuringthenonlinearitycharacteristic．A testonmonthlypriceseriesofsoybeancovering 1997to2011iScarriedout．TheresultthattheaccuracyoftheintegratedforecastingmodeliShigherthaneithercombined timeseriesmodelorRBFprovestheeffectivenessofthismode1． Keywords：timeSeries；RBF；integration；priceforecasting 农产品价格的波动直接关系农民切身利益乃至国 法研究 。 民生活质量 ，是重要 的民生问题之一 。近年来 ，我国农 近年来 ，已有不少学者针对农产品价格预测开展 产品价格市场波动频率快 、幅度大 。导致农产品生产经 了探索性研究和实例验证 。基于计量经济及数学统计 营者决策安排的不确定性增加，从而致使市场风险逐 的组合模型以及智能化模型如SVM、神经网络等成为 年增强 。因此农产品未来市场价格预测成为农产品生 研究热点ll1 目前时间序列预测模型已被广泛应用于农 产者、经营者以及政府相关决策管理部 门的迫切需求。 产品价格预测 ，如 ARIMA、Hoh—Winters、CensusX12季 大豆是我国主要农产品之一．目前 中国的大豆年产量 节调整法 、ARCH等。经实验验证 ，各模型均有各 自优 居世界第 4位 ，仅次于美国、巴西和阿根廷 。本研究以 点，但是若简单依据误差平方和进行方法选择则容易 我 国大豆集贸市场价格为 目标 ，进行短期价格预测方 丢失其