基于LSTM-SVR组合模型优化的苹果价格预测研究与实现.pdf

摘要

苹果是全球重要的水果之一，其价格波动对农户、批发商和经销商具有重要影响。

在苹果批发市场中，准确预测价格变动对于市场参与者做出明智的决策至关重要。本

研究旨在开发一种高效的苹果价格预测系统，以提供可靠的市场信息。

201411-202251

我们选取富士苹果为研究对象，首先收集了年月日年月日的

苹果历史价格及其相关的18项影响因素进行分析和筛选，基于灰色关联分析理论得

出了18种因素与苹果价格的关联程度。利用深度学习和优化算法相结合的方法进行

SSA

价格预测。其次为了增强模型性能，我们采用麻雀搜索算法（）对支持向量回归

（SVR）模型进行参数优化，并与传统的长短时记忆网络（LSTM）模型相结合，构

2

建组合模型。选取MSE、MAE、MAPE、R作为评价指标综合考虑模型的拟合度和

预测性能，通过对比单一模型和组合模型的各项评价指标，可以更好的验证得出组合

模型性能更优。

最后基于模型整体效果，设计并实现了苹果价格预测系统，为农户、批发商等相

关产业人员提供历史价格以及价格预测可视化平台，帮助他们更好地理解市场动态、

制定合理的价格策略和优化决策。未来，我们将继续改进模型，考虑引入更多影响因

素，以进一步提高预测的准确性和鲁棒性。

关键词：长短期记忆神经网络模型；支持向量回归模型；麻雀搜索算法；组合模型；

价格预测

II

Abstract

Appleisoneoftheworldsmostimportantfruits，anditspricefluctuationshavea

significantimpactonfarmerswholesalersanddistributors.IntheApplewholesalemarket

，，

accuratepredictionofpricemovementsisessentialformarketparticipantstomake

informeddecisions.Theaimofthisresearchistodevelopanefficientappleprice

forecastingsystemtoprovidereliablemarketinformation.

Weselectedfushiappleastheresearchobject.Firstly，wecollectedthehistoricalprice

ofappleand18relatedinfluencingfactorsforanalysisandscreening，andobtainedthe

correlationdegreebetween18factorsandapplepricebasedonthegraycorrelation

analysistheory.Then，weusedthemethodcombiningdeeplearningandoptimization

algorithmtopredicttheprice.Secondly，inordertoenhancetheperformanceofthemodel，

weusedsparrowsearchalgorithmtooptimizetheparametersofthesupportvector

regression(SVR)model，andcombineditwiththetr