组合预测模型在猪肉价格预测中的应用研究.doc

计算机工程与科学年第卷第期，文章编号：（）组合预测模型在猪肉价格预测中的应用研究平平。刘大有，杨博。金弟。方芳。马思佳。田野。王永，。，。（吉林大学计算机科学与技术学院，吉林长春）（，。）摘要：本文在分析了神经网络、灰系统和时间序列预测模型的基础上，设计了将其中两种模型组合的预测方法。该方法的主要思想是利用回归预测思想将预测分为因素预测和结果预测两部分，并分别采用不同预测模型进行预测，从而达到提高预测精度的目的。利用该方法对吉林省近期的生猪价格进行预测，实验结果表明，该方法比单个预测方法有更好的预测效果，并且通过对不同组合的实验结果的分析发现，灰系统与神经网络相结合的方法具有更高的预测精度。：，场，关键词：组合预测模型；价格预测；神经网络；灰系统；时间序列：；：中图分类号：文献标识码：引言猪肉价格的波动对经济发展特别是整体物价形势的影响是十分重要的，同时也与老百姓的日常生活息息相关。近几年的猪肉价格急剧上涨造成了不安定因素，不利于社会和谐发展。猪肉价格问题已引起人们的高度重视和广泛研究，其中如何准确地预测猪肉价格变动的方向和程度是至关重要的。随着科技的发展，价格预测的模型和方法已有了显著的改进与提高。然而，尚没有一个模型能对实际价格变化拟合得非常紧密，关于价格预测的方法仍然存在许多争论。传统的价格预测方法均仅对价格做时间序列的自回归预测模型研究，而没有考虑其它影响因素。发展比较成熟的预测方法有时间序列模型、灰色预测模型和神经网络模型。为了提高价格预测模型的预测精度和泛化能力，本文利用多元回归思想，将影响价格变动的各种因素考虑进去，并将各种预测模型进行组合，找出最优组合。实验结果表明，一些组合模型能在很大程度上提高预测精度。相关技术预测算法神经网络算法网络是一种多层前馈神经网络，主要由输入层、隐含层和输出层组成。层间采用全互连方式，同层结点之间不可以相互连接，隐含层可以有一个或多个。为了构造一收稿日期：；修订日期：基金项目：国家自然科学基金资助项目（，）国家计划资助项目（，）作者简介：平平（一），女，吉林镇赉人，硕士生，研究方向为数据挖掘；刘大有，教授，博士生导师。研究方向为知识工程与专家系统、粗糙集与数据挖掘等；杨博。教授，研究方向为系统与复杂网络等。通讯地址：吉林省长春市吉林大学计算机科学与技术学院；：；：鼬：。，个网络，首先需要确定其处理单元，即神经元的特性和网络的拓扑结构。神经元是神经网络最基本的处理单元，隐层中的神经元采用型变换函数；输出层的神经元可采用型或线性型变换踊数。在进行网络设计前，一般应从以下几个方面来进行考虑：（）网络的层数；（）输入输出层结点的个数；（）隐含层的神经元数；（）初始权值的选取；（）期望误差的选取。灰色系统预测算法年，我国学者邓聚龙教授创立了灰色系统理论。这是一种研究少数据、贫信息不确定性问题的新方法。灰色系统理论主要以“部分信息已知，部分信息未知”的“小样本”、“贫信息”不确定性系统为研究对象，通过对“部分”已知信息的生成、开发，提取有价值的信息，从而实现对系统运行行为、演化规律的正确描述和有效监控。由于灰色系统模型对实验观测数据没有什么特殊的要求和限制，因此应用领域十分宽广。时间序列预测算法时间序列是指随时间随机变化的前后又有关联的一些观测数据。现实社会活动中产生的数据有很多都可以看成为时间序列。因此，时间序列在经济预测中占有举足轻重的地位。时间序列分析是对已有的历史数据进行分析，从而对我们所关心的事情做出较为准确的判断与预测。多元回归预测原理以上预测价格的三种方法均仅从价格数据自身的发展趋势出发，考察价格与时间的关系来寻找价格自身发展的趋势。实际上，一般预测模型有两类：时间序列模型和回归模型。节的三种预测模型基本上是基于时间序列模型而研究的。时间序列预测法只需要一个变量数据即可建模，因而应用广泛。回归模型通过考察对多个外部因素变量与价格指数之问的关系，从外部因素对价格规律影响程度的角度出发进行研究和预测。回归预测模型描述的是多个变量之问的依存关系，无论是自然现象还是社会经济现象，都存在许多这种依存关系，因此只要预测变量能较容易地找到与其相关联的多个变量，回归预测方法也是经济分析与预测中较为普遍和比较好的预测方法。目前比较常用的多元回归预测模型有灰理论中的（，）和神经网络中的回归预测模型。（，）模型实际的经济生活中，往往一个时间序列与多个因素有关。这时的预测问题可以建立（，）模型，这表示一阶的个变量的微分方程预测模型。（，）模型如下：）（）（）一丢骞缸）一：骞（）（川，五（）（），咒假设有个变量，其中工表示预测对象，现，表示影响因素，每个变量都有个相互对应的历史数据，于是有个原始数列：）（），（优），（优），（）对（，）分别累加生成新的数列矗”（，）：（），（），（）其中，翮，（）一（。）（），挖，通过累加生成数列，令（，。，址。），利用最乘法按如下公式可得模型参数三：三（啊）一。其中，弘（）（），工（）（），（）（咒），一专（）（）（）（）磊（）一百（丑（”（）（）（）（）（）晶（）；一寺（）（优）（仇）矗（优）厶建模后对模型进行检验，若合格，则可以进行预测，即用：主（）（行）主（）（以）一；（）（，），星（）（押）王（）（竹）一主（）（以），作为（）（咒），（）（以），的预测值。神经网络回归预测模型该模型以需预测序列的训练集为输出，影响该输出的各个因素组序列的训练集为输入，经过训练，建立网络“。再通过给定的因素组，运用训练后的网络，得到要预测的相应结果。以本文预测模型为例，模型结构如图所示。因素组输入层臆层输出层猪仔价格玉米价格豆粕价格猪粮比生猪价格图神经网络模型图这里猪仔价格、玉米价格、豆粕价格和猪粮比为因素组序列，作为网络的输入层；生猪价格为预测结果序列，作为网络的输出层；中间为隐层。基于强大的神经网络工具箱，我们可以将神经网络看成是黑箱子，不必关心它的内部实现，设计好输入、输出、隐层神经元个数及训练代数等网络参数即可。下面将研究如何利用组合回归模型预测生猪价格。丑娩甜）优（，）（，）扛”组合预测模型模型原理为了结合一元时间序列模型和多元回归模型各自的特点，针对本实验数据，本文将预测分为两部分：首先要预测与猪肉价格有关的其它因素值，即因素预测部分，如猪仔价格、玉米价格和猪粮比等，收集历史数据，采用适当方法对其进行预测；然后将预测因素值传给另一个系统做结果预测。如图所示。图组合预测模型简图该模型分为因素预测和结论预测两部分。本文中因素预测选定灰色系统（，）、时问序列预测算法中的布朗非线性指数平滑法（即三次指数平滑算法）和神经网络预测算法，结果预测选定灰色系统（，）和神经网络预测算法。所以，本文有六种组合预测模型：，订（，），：（，），（，）（，），（，）以（，）模型为例，灰色预测模型与神经网络回归预测模型在预测中均有各自的优点，可以将二者结合起来建立组合预测模型，从而充分发挥它们各自的优势，弥补各自的缺陷。灰色预测模型理论上只适合预测少数据、贫信息不确定性问题，所需预测数列多近似呈指数增长。将经过灰色模型生成后的数据，通过神经网络回归预测模型进行再预测再处理，可以克服灰色模型的这些缺陷，而且生成后的数据序列呈单调增长趋势，也比较适合广义回归神经网络的逼近。建模过程我们采集到年月到年月的数据，包括各月份的猪仔价格、玉米价格、豆粕价格、猪粮比和生猪价格为实验数据，并以其中年月到年月的数据为预测验证集。因素预测：本文中因素预测是指对猪仔价格、玉米价格、豆粕价格和猪粮比这四个因素的预测。以年月到年月的这四个因素数据值作为训练集，分别预测出年月到年月共个月的相应因素值。在采用灰系统（，）模型和时间序列模型预测时，取要预测月份前个月的数据为输入训练集，建立模型，以所需因素预测结果为输出。例如，要预测年月的猪仔价格，我们用年月到年月的猪仔价格为训练集，建立相应模型，以预测出年月的猪仔价格。在采用神经网络模型进行因素预测时，训练集的设计采用递推法，如有时间序列，动，勋，勋样本划分如表所示。袭样本划分表预测值所选样本，工结果预测：本文中结果预测是指，在前面因素预测结束后，将各个因素预测值传给结果预测模型作为输入向量，经过模型预测后，得到所需的预测值，即年月到年月共个月的生猪价格预测值。文中结果预测模型采用灰系统（，）和神经网络预测算法，模型结构如图所示。图中，、分别表示猪仔价格、玉米价格、豆粕价格、猪粮比的样本集，它们的预测值分别用口、来表示，表示最终的生猪预测价格。延虿啾（，）叫逦矿（朋因素预测结果预测图组合模型示意图预测结果对比。为检验预测效果，我们引入均方根误差（衰预测结果数据表预测月份（。）（捕焉蒜岳（）丁（，）。弑（）真实值，），），）一“年月年月年月年月年月年月年月年月年月年月年月年月曼：啊曼，曼垫一一一一口， 注：各种方法中从左至右依次为年月、年月、年月、年，、年月、年月、年、年，、年月、年月、年月、年月、年的预测数据图组合预测结果对比图月份图年月到年月生猪价格预测结果从图可见，生猪价格在小幅上涨之后会大幅回落，这与实际的市场行情相吻合。结束语本文首先分析了生猪价格的急剧变化对人们的日常生活造成的影响，在此基础上提出了预测生猪价格的重要性，并对当今较为普遍的预测方法进行简单介绍与分析，进而提出利用组合回归模型预测生猪价格。将该模型分为因素预测和结论预测两部分，因素预测选定灰色系统（，）、三次指数平滑算法和神经网络预测算法，结果预测选定灰色系统（，）和神经网络回归预测算法，共建立了六种组合预测模型，并将年月到年月的数据，包括各月份的猪仔价格、玉米价格、豆粕价格、猪粮比和生猪价格为实验数据进行建模和预测。通过对比发现，无论是短期预测还是长期预测，灰系统（，）和神经网络回归预测模型相组合可以达到比较满意的效果，预测精度明显优于其它组合模型，并且高于一元时间序列预测模型。参考文献：郑丽敏，田立军，朱虹，等基于的神经网络在猪等级评定中的应用研究计算机应用研究，（）邓聚龙灰色系统理论教程武汉：华中理工大学出版社，】罗毅基于灰色理论与广义回归神经网络的客运量预测模型研究成都：西南交通大学，（）：第届全国信息存储技术学术会议（广州）征文通知中国计算机学会信息存储技术专业委员会决定于年月日在广州召开第届全国信息存储技术学术会议。本次会议由中国计算机学会信息存储技术专业委员会主办，华南理工大学计算机学院和华南理工大学软件学院承办。会议将通过学术报告、专题讨论、产品展示等多种形式，就计算机信息存储的最新研究进展和发展趋势开展深入、广泛的学术交流。一、征文范围热烈欢迎国内外从事信息存储技术的研究、开发、应用的各界人士，就与信息存储技术相关领域所涉及的内容踊跃来稿。二、征文要求应征学术论文应是未正式发表过的研究成果，字数不超过字。请注明作者的通信地址、邮政编码、电话和地址。论文格式：请参照计算机研究与发展格式。电子投稿的地址：论文提交截至日期：年月日论文录用通知日期：年月日本次会议录用的学术论文将在计算机研究与发展（增刊）或者计算机工程与科学（专刊）上发表，优秀论文将推荐到计算机学报上发表。有关会议的动态信息可访问“第届全国信息存储技术学术会议”网站：。三、组委会的联系方式联系人：赵跃龙（），、谢晓玲、王国华地址：广州天河区五山华南理工大学计算机学院：年月日 组合预测模型在猪肉价格预测中的应用研究作者：平平， 刘大有， 杨博， 金弟， 方芳， 马思佳， 田野， 王永作者单位：吉林大学计算机科学与技术学院,吉林,长春,130012刊名：计算机工程与科学 英文刊名：COMPUTER ENGINEERING AND SCIENCE年，卷(期：2010，32(5被引用次数：0次参考文献(4条1. 郑丽敏,田立军,朱虹,等.基于MATLAB的BP神经网络在猪等级评定中的应用研究J.计算机应用研究,2008,25(6:1642-1644.2. 邓聚龙.灰色系统理论教程M.武汉:华中理工大学出版社,1990.3. 罗毅.基于灰色理论与广义回归神经网络的客运量预测模型研究D.成都:西南交通大学,2007.4. Fatima S,Hussain G.Statistical Models of KSE100 Index Using Hybrid FinancialSystemsJ.Neurocomputing,2008,71(13-15:2742-2746.相似文献(10条1.学位论文 吴著冠 农产品批发市场价格预测模型与实现研究 2008随着数学和信息技术的发展，价格预测的手段越来越丰富，应用的领域也越来越广泛。鉴于农产品批发市场价格在农产品流通体系中处于承上启下的位置，及时了解农产品批发市场价格的变化，能够引导农业生产和农产品的平稳有序流通，引导农民生产及时准确地提供适销对路的农产品，做到市场需要什么就种什么，生产什么，引导调整种植结构，增加农业生产经济效益。同时对农产品批发市场价格进行预测不仅可以作为企业生产和农户生产决策的依据，还可以为政府制定政策提供科学的依据，进而提高农业资源的有效配置，减缓农产品价格波动。基于此，开展了研究农产品批发市场价格预测模型与实现的研究，以期为农产品市场主体提供价格预测的信息服务。本文以农产品批发市场价格预测模型与如何在农产品批发市场价格预测信息系统中实现价格预测模型为重点，分析研究了如何以定量的方法来预测农产品批发市场的价格，同时利用计算机技术实现农产品批发市场价格预测信息系统的原型。全文的主要内容如下：(1阐述了农产品批发市场价格预测信息系统的研究背景，同时提出本文研究的目的和意义：建立良好方便的农产品批发市场价格预测信息系统，提供准确的价格预测，为政府调控农产品价格、引导农业生产、农业增效、农民增收服务。(2分析了时间序列组合预测模型和BP神经网络预测模型的预测方法与步骤，同时分别构建了时间序列组合预测模型和BP神经网络预测模型对贵阳五里冲农产品批发市场的价格进行预测，得到了良好的预测结果。(3在构建的时间序列组合预测模型和BP神经网络预测模型的基础上，以贵阳五里冲农产品批发市场和北京八里桥农产品批发市场的价格数据作为实证进行分析预测，分析了两种模型各自的优缺点和适应的范围，并结合两种模型的优点，建立了时间序列-BP神经网络组合预测模型，经过检验证明，该模型能更加精确的对农产品批发市场价格进行预测。(4采用JAVA、FLEX、MYSQL以及MATLAB等技术实现了农产品批发市场价格预测信息系统的原型，系统采用基于WEB的技术架构，使用MYSQL作为底层数据库，界面实现采用FLEX技术，预测模型主要采用JAVA调用MATLAB工具箱中的函数来实现。本文的特色在于结合时间序列和神经网络的理论知识，分析研究了农产品批发市场价格预测定量分析的系统模型，并结合时间序列组合预测模型和BP神经网络各自的优点，提出了时间序列-BP神经网络组合预测模型的构建思路，同时探讨了在农产品价格预测信息系统中如何实现时间序列-BP神经网络组合预测模型。2.期刊论文 陈华友. 蔡正高 诱导有序加权平均的组合预测模型及其应用 -安徽大学学报（自然科学版）2005,29(1有序加权平均算子是近年来发展的在许多领域有着广泛应用的信息融合方法.本文引进诱导有序加权平均算子的概念,并探讨了它的一些性质,然后建立诱导有序加权平均新的组合预测模型,最后给出其在股票价格预测中的应用研究,实例分析结果表明了该方法的有效性.3.学位论文 牟昊 钢铁企业价格预测决策系统开发与价格预测模型研究 1999该文详细介绍了宝钢价格计算机咨讯系统的开发过程,构造了价格预测决策模型体系,研究并建立了针对钢铁企业产品价格的模糊多元性回归预测模型和递归方差倒数组合预测模型,并在结合二次回归预测模型和一阶差分滞后预测模型的基础上,实现对钢铁企业产品价格的预测.该文研究并建立了递归方差倒数组合预测模型.该系统采用的递归方差倒数组合预测模型.4.学位论文 王瑛瑛 基于组合预测的证券价格研究 2008证券价格是经济、系统科学领域研究的热点问题之一。证券市场变幻莫测，作者试图找出证券价格这一时变波动序列的运行规律，从而对证券价格进行预测，以期为证券投资行为做出有效指导。证券市场具有不确定性和迅速变化的特征，完全真实的模型是很难甚至不可能得到的，因此探求较为准确反映实际过程模型的尝试无疑具有很大价值。但是，在大多数预测中，就具体预测的目的和时效性而言，不容等待真实模型的发现，而且由于新的不确定性可能代替旧的不确定性，高度敏感的单个精巧或复杂模型会相应地面临模型设定错误的风险。而组合预测的基本出发点就是承认构造真实模型的困难，将各种单项模型预测看作代表或包括不同的信息片断，通过信息的集成，分散单项预测特有的不确定性和减少总体的不确定性，从而提高预测精度。因此，构建组合预测模型来预测证券价格的波动，既具有一定的理论价值又具有较强的现实指导意义。本文采用ARIMA模型、GM(1，1模型、RBF神经网络模型分别从线性与非线性角度对证券价格进行拟合与预测，然后结合三者中有用的信息集合，构建一个最优组合预测模型，对证券价格预测进行实证研究。本文一共分三部分：第一部分系统分析了单项预测模型及其在金融领域的应用，为构建组合预测模型奠定理论基础；第二部分在系统分析单项预测模型的基础上，选取三种不同预测方法中具有一定代表性的单项预测模型构建组合预测模型；第三部分基于单项预测模型和组合预测模型，在制定预测效果评价指标体系之后，对证券价格预测进行实证分析，研究单项预测模型与组合预测模型的预测精度，结果表明组合预测模型的预测精度明显优于参与组合预测的各单项预测模型。本文的创新点：以ARIMA模型、GM(1，1模型、RBF神经网络模型三个单项模型为基础，利用最小预测误差平方和为目标函数对各单项预测模型进行赋权，构建最优组合预测模型，并得出结论，组合预测方法有效结合了各单项预测方法的信息片断，因此，比单个预测模型更系统全面，在一定程度上弥补了单项模型的局限性。5.学位论文 李彬 国际市场原油价格的非线性组合预测研究 2006 石油是当今世界最为重要的基础能源、化工原料和战略物资,不仅对石油生产国和消费国的经济发展具有强大的支撑作用,而且对各国国民经济的发 展、人民生活水平的提高和国防安全具有紧密的联系,石油价格的波动对国际、国内的政治、经济形势起着举足轻重的作用. 原油价格预测问题是维系原油生产企业、原油消费企业和国家利益的重大问题.其预测结果,是制定生产决策和消费决策的基本素材.正确的决策会给 企业带来生机与发展,而决策信息的准确性,是正确决策的基础和保证.因此,原油价格预测对维护原油生产国和原油消费国的利益均有重大意义. 从1998年6月1日起我国国内的原油价格正式与国际油价接轨,开始实行新的价格机制和流通体制,此后国内原油价格立即随着国际市场价格的变化而 变化. 本文根据国际市场原油价格高度非线性性的特点,综合径向基函数(RBF神经网络、基于马尔科夫链的半参数模型以及基于小波分析的油价预测模型 ,提出了基于模糊神经网络的原油价格非线性组合预测模型.通过对Brent原油价格的模拟预测表明,该方法具有预测精度高、学习与泛化能力强、适应性 广的特点. 本文首先介绍了原油价格预测研究背景,研究意义和国内外相关理论模型,并阐述了研究的目的和本文研究的思路.第三章和第四章为本文的核心部分 .第三章针对本文的研究主题与目的,介绍了本文所用到的研究方法和模型,提出了基于模糊神经网络的原油价格非线性组合预测模型.第四章对国际市场 Brent原油价格进行了实证分析.最后,第五章总结了本文的研究结论,并从原油价格波动的角度对我国原油价格形成机制改革问题进行了思考和建议. 6.期刊论文 杨励雅.邵春福.Yang Li-ya.Shao Chun-fu 基于BP神经网络与马尔可夫链的城市轨道交通周边房地产 价格的组合预测方法 -吉林大学学报（工学版）2008,38(3 为解决先验数据有限且存在大量不确定因素情况下,城市轨道交通周边房地产价格的预测问题,提出一种基于BP神经网络与马尔可夫链的组合预测模 型.首先,采用BP神经网络,使用较少量的样本数据完成城市轨道交通周边房地产价格曲线的粗略拟合;在此基础上,借助马尔可夫链进行系统状态划分,缩 小预测区间以提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型,对北京市轨道交通13号线周边房地产价格进行了预测分析.计算结果 表明,该模型具有较高的精度和可靠性. 7.学位论文 刘晶 钢铁价格走势预测研究 2005 本文研究了近几年钢铁行业增长景气指数，运用行业市场结构分析方法对钢铁行业的发展进行分析。从价格外部驱动因素影响和价格自发展趋势两 方面对钢材市场价格进行预测。对外部驱动因素从定性预测和定量预测两方面进行。定性预测和定量预测的结果互为检验、互相支撑。在分析价格自发 展趋势时，本文选取多种时间序列模型分别进行预测，然后通过组合预测模型进行综合，从而使预测效果达到最佳。最后，将价格外部驱动因素影响和 价格自发展趋势两方面得出的预测结论进行比较综合，即将价格的长期发展趋势预测结果与短期发展趋势预测结果将综合，得出了钢铁行业价格预测结 论，并对结论进行乐解释。 8.学位论文 揭京 重庆市房地产市场价格组合预测研究 1997 该文的物色和创新在于:在其他