基于长短期记忆网络的大蒜价格预测模型研究.pdfVIP

·农业工程·2024年1月第15卷第1期

基于长短期记忆网络的大蒜价格预测模型研究

1，211，22

李丹冯新玲付国帅李玉香

1.郑州工业应用技术学院，河南郑州451100；2.河北科技师范学院，河北秦皇岛066000

摘要：大蒜是一种重要农产品，其价格波动会给农民、经销商和消费者带来较大影响。

因此，准确预测大蒜价格对决策制定、市场规划和风险管理起到至关重要的作用。基于长短

期记忆网络算法来分析大蒜价格历史数据，利用核主成分分析法对数据进行特征提取，得到

最优参数的预测模型，并对大蒜价格进行短期预测。结果表明，基于KPCA的LSTM模型在对

大蒜价格预测时达到预期良好效果，与传统的神经网络和时序模型相比，其具有更高的准确

度和稳定性。

关键词：

长短期记忆网络；大蒜价格预测；预测模型

中图分类号文献标志码：B文章编号：

：S126；TP183；S5111674-7909（2024）1-136-5

DOI：10.19345/ki.xckj.1674-7909.2024.01.034

0引言处理长时间序列预测问题时具有独特优势，被广泛

应用于机器翻译、语音识别等领域［3-4］。然而，

大蒜是一种被广泛种植和消费的农产品，其

LSTM在大蒜价格预测中的应用还比较有限。为构

价格波动会对农民、经销商和消费者产生重要影

建基于LSTM的大蒜价格预测模型，并提高大蒜价

响。然而，受自然因素、市场需求和供应变化等多

格预测的准确性，此研究用长短期记忆网络来预测

种因素影响，大蒜价格往往难以被精确预测。因

大蒜日价格和月价格，并将其预测结果与BP神经

此，建立可靠的大蒜价格预测模型对农户进行种

植决策、市场规划和风险管理具有重要意义。随网络、ARIMA预测模型的预测结果进行比较，探讨

着对人工智能的不断研究和优化，BP神经网络、LSTM在大蒜价格预测中的表现，进而为大蒜产业

RNN神经网络、ARIMA模型在解决时间序列数据各环节提供精准的数据服务，为农户的种植计划、

预测中的问题时有了很大突破，其被广泛应用于企业的高效运营和政府的科学调控提供更多的参

预测大蒜市场价格。例如，史冠宇等［1］利用时间考依据，推动大蒜产业健康可持续发展。

序列模型ARIMA对中国大蒜市场价格进行预测，

1研究方法

基于历史价格数据来建立模型，从而预测出大蒜

未来价格走势；刘合兵等［2］以5种农产品为研究1.1研究区域

对象，提出基于小波变换和BP神经网络的组合预中牟县位于河南省中部，是中国重要的大蒜

测模型，其能较好地预测出农产品价格，适用于对产区之一。该地区属温带季风气候区，四季分明，

多种蔬菜价格的预测。夏季炎热潮湿，冬季寒冷干燥，年降水量为500～

长短期记忆网络（LongShort-TermMemorty，700mm，且降水主要集中在每年的6—8月。该地

LSTM）是一种改进的时间循环神经网络（RNN），在