基于WOA-BP组合模型的芦笋价格预测研究.pdfVIP

山东农业大学学报(自然科学版),2025,56(1):093-100VOL.56NO.12025

JournalofShandongAgriculturalUniversity(NaturalScienceEdition)doi:10.3969/j.issn.1000-2324.2025.01.010

基于WOA-BP组合模型的芦笋价格预测研究

*

杨洁，王俊美，张超

山东农业大学信息科学与工程学院，山东泰安271018

摘要：芦笋作为一种高价值蔬菜，价格走势预测对于市场分析和决策制定具有重要意义。芦笋价格受到多类因素的

影响，因此提高价格预测精度的关键在于深入分析这些影响因素。本文提出了一种基于鲸鱼优化算法（WOA）与反向

传播神经网络（BP）相结合的组合模型。研究中，本文首先采用主成分分析（PCA）对影响因素进行特征降维，随后将主

成分分析后的多维特征集和经过数据融合的一维特征集分别输入优化前后的BP神经网络进行预测分析。通过对比

分析不同输入下模型的预测性能，实验结果表明：经过WOA算法优化后的模型在预测效果上显著提升。具体而言，

WOA-BP组合模型相较于传统的BP模型，在均方根误差（RMSE）上提高了2.431，平均绝对误差（MAE）提高了2.553，

平均绝对百分比误差（MAPE）提高了5.606，决定系数（R²）提升了0.131。此外，WOA-BP-fusion模型与BP-fusion模型

相比，RMSE提高了1.926，MAE提高了1.638，MAPE提高了5.539，R²提高了0.101。结果表明，WOA-BP组合模型在进

行数据融合后，能够更有效地捕捉输入特征与芦笋价格序列之间的关系，显著提高了预测精度，增强了模型的泛化能

力和鲁棒性。WOA优化算法不仅提升了BP模型的预测精度，而且在数据融合过程中显著增强了模型对价格变动的

反应能力。

关键词：鲸鱼优化算法；组合模型；主成分分析；多源数据融合

中图法分类号：TP183文献标识码：A文章编号：1000-2324（2025）01-0093-08

AsparagusPricePredictionBasedonWOA-BPCombination

Model

YANGJie,WANGJun-mei,ZHANGChao*

CollegeofInformationScienceandEngineering/ShandongAgriculturalUniversity,Taian271018,China

Abstract:Asahigh-valuevegetable,thepricetrendpredictionofasparagusisofgreatsignificanceformarketanalysis

anddecisionmaking.Asparaguspriceisaffectedbymanyfactors,sothekeytoimprovetheaccuracyofpriceprediction

istodeeplyanalyzethesefactors.Asparaguspriceisaffectedbymanyfactors,sothekeytoimprovetheaccuracyof

pricepredictionistodeeplyanalyzethesefactors.nthispaper,weproposeacombinedmodelbasedonthecombination

ofWhaleOptimizationAlgorithm(WOA)andBackPropagationNeuralNetwork(BP).Inthisstudy,Principal

Compo