在所有的農(nóng)業(yè)生產(chǎn)資料當(dāng)中,化肥一直占據(jù)著舉足輕重的地位,它有增加農(nóng)作物的產(chǎn)量、提高土壤肥力等功效,在農(nóng)業(yè)生產(chǎn)支出中占有較大的比重。化肥價(jià)格的過(guò)大波動(dòng)會(huì)降低農(nóng)戶降肥的積極性,減少化肥的使用,進(jìn)而影響農(nóng)作物的產(chǎn)量,土壤肥效和農(nóng)產(chǎn)品的質(zhì)量。這不僅會(huì)降低農(nóng)民的收入,而且還會(huì)對(duì)我國(guó)的農(nóng)業(yè)生產(chǎn)產(chǎn)生不利影響,降低我國(guó)農(nóng)產(chǎn)品在國(guó)際經(jīng)濟(jì)中的競(jìng)爭(zhēng)能力。因此準(zhǔn)確預(yù)測(cè)化肥價(jià)格,能有效地避免過(guò)大的化肥價(jià)格波動(dòng),穩(wěn)定我國(guó)的糧食市場(chǎng)。本文首先深入研究了化肥價(jià)格變化的影響因素和化肥價(jià)格預(yù)測(cè)面臨的問(wèn)題,通過(guò)對(duì)比傳統(tǒng)的線性預(yù)測(cè)方法、經(jīng)典的神經(jīng)網(wǎng)絡(luò)算法和支持向量機(jī)算法三種常用的價(jià)格預(yù)測(cè)方法,從而提出基于長(zhǎng)短時(shí)記憶（LSTM）單元的遞歸神經(jīng)網(wǎng)絡(luò)（RNN）模型,該模型能有效利用序列數(shù)據(jù)長(zhǎng)距離依賴信息的能力,充分挖掘序列數(shù)據(jù)背后隱藏的規(guī)律,進(jìn)行短期價(jià)格時(shí)間序列預(yù)測(cè)。進(jìn)一步在此基礎(chǔ)上對(duì)長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)算法利用擬牛頓法進(jìn)行效率上的改進(jìn)。其次在實(shí)驗(yàn)仿真階段,以江蘇省近十年來(lái)尿素化肥價(jià)格數(shù)據(jù)為實(shí)驗(yàn)對(duì)象,對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗,并將時(shí)間序列問(wèn)題轉(zhuǎn)化為有監(jiān)督問(wèn)題。接著建立了基于改進(jìn)的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)模型,采用均方誤差（MSE）作為評(píng)價(jià)指... 

【文章來(lái)源】：中國(guó)科學(xué)技術(shù)大學(xué)安徽省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２．１?ＭＰ神經(jīng)元??

Ｘｉ?ｘ２?Ｘｄ??圖２．２?ＢＰ神經(jīng)網(wǎng)絡(luò)??如圖２．２所示，這是一個(gè)僅包含一個(gè)隱藏層的ＢＰ神經(jīng)網(wǎng)絡(luò)，它是由一個(gè)輸??入層，一個(gè)輸出層和一個(gè)隱藏層組成，其中＼＝｛＼１，乂２，．．．，乂￡１｝是一個(gè)１＞＜＜１維的向量，??它表示神經(jīng)網(wǎng)絡(luò)的一個(gè)輸入，也就是說(shuō)輸入的特征為ｄ個(gè)，相應(yīng)的輸入層神經(jīng)元??個(gè)數(shù)也為ｄ個(gè)。向量１？＝｛１），，１）２，．．．上￡１｝表示隱藏層的輸出，隱藏層由９個(gè)神經(jīng)元組??成，所以ｂ是ｑ維的向量。向量ｙ＇?＝｛ｙｒ，ｙ２＇，．．．，ｙｎ］表示神經(jīng)網(wǎng)絡(luò)的ｎ維輸出。??其中訓(xùn)練數(shù)據(jù)集是由輸入和標(biāo)簽組成，數(shù)據(jù)集Ｄ＝｛（ｘｉ，ｙｉ），（Ｘ２，ｙ；〇，．．．，（ｘｍ，ｙｍ）｝。圖??中神經(jīng)元之間的連接線段表示層與層之間的連接權(quán)重

看一下循環(huán)神經(jīng)網(wǎng)絡(luò)的原理。??絡(luò)??ＳＶＭ模型都存在一個(gè)共同的問(wèn)題，那就是信出這個(gè)方向，每次的輸入也都是獨(dú)立的，也就于當(dāng)前的輸入。雖然這樣的網(wǎng)絡(luò)模型簡(jiǎn)單，明顯，那就是無(wú)法考慮前后時(shí)刻輸入或者輸出能力，這就使得人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)模序列的問(wèn)題上表現(xiàn)不足。針對(duì)人工神經(jīng)網(wǎng)絡(luò)和支家提出了循環(huán)神經(jīng)網(wǎng)絡(luò)，循環(huán)神經(jīng)網(wǎng)絡(luò)是一種帶環(huán)神經(jīng)網(wǎng)絡(luò)它的輸入不僅僅有當(dāng)前時(shí)刻的輸入，息或者說(shuō)是狀態(tài)信息，形成一個(gè)具有環(huán)路的神具有短期的神經(jīng)網(wǎng)絡(luò)，這會(huì)在下文中介紹。下圖構(gòu)圖。??

【參考文獻(xiàn)】：
期刊論文
[1]中國(guó)化肥農(nóng)藥施用總體特征及減施效果分析[J]. 謝邵文,楊芬,馮含笑,韋朝陽(yáng).  環(huán)境污染與防治. 2019(04)
[2]循環(huán)神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 楊麗,吳雨茜,王俊麗,劉義理.  計(jì)算機(jī)應(yīng)用. 2018(S2)
[3]化肥對(duì)中國(guó)糧食產(chǎn)量變化貢獻(xiàn)率的研究[J]. 麻坤,刁鋼.  植物營(yíng)養(yǎng)與肥料學(xué)報(bào). 2018(04)
[4]不同土地利用方式下土壤養(yǎng)分和重金屬元素垂直分布特征[J]. 梁玉峰,譚長(zhǎng)銀,曹雪瑩,何其輝,朱上游,謝雨呈,代兵.  環(huán)境工程學(xué)報(bào). 2018(06)
[5]農(nóng)戶有機(jī)肥施用意愿及前景[J]. 肖陽(yáng),于向鴻,田堯甫,朱立志.  農(nóng)業(yè)展望. 2018(04)
[6]基于正則化LSTM模型的股票指數(shù)預(yù)測(cè)[J]. 任君,王建華,王傳美,王建祥.  計(jì)算機(jī)應(yīng)用與軟件. 2018(04)
[7]基于LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)的故障時(shí)間序列預(yù)測(cè)[J]. 王鑫,吳際,劉超,楊海燕,杜艷麗,牛文生.  北京航空航天大學(xué)學(xué)報(bào). 2018(04)
[8]基于極性轉(zhuǎn)移和LSTM遞歸網(wǎng)絡(luò)的情感分析[J]. 梁軍,柴玉梅,原慧斌,高明磊,昝紅英.  中文信息學(xué)報(bào). 2015(05)
[9]基于門(mén)限自回歸的我國(guó)羊肉價(jià)格波動(dòng)分析[J]. 劉玉鳳,王明利,石自忠.  廣東農(nóng)業(yè)科學(xué). 2014(17)
[10]基于SVR的非線性時(shí)間序列預(yù)測(cè)方法應(yīng)用綜述[J]. 陳榮,梁昌勇,謝福偉.  合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(03)

碩士論文
[1]基于BP神經(jīng)網(wǎng)絡(luò)的北京市二手房交易價(jià)格預(yù)測(cè)研究[D]. 李圓圓.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2018
[2]基于長(zhǎng)短期記憶模型的期貨價(jià)格預(yù)測(cè)[D]. 李科嘉.中國(guó)科學(xué)技術(shù)大學(xué) 2018
[3]基于SSM框架的B2C網(wǎng)上商城系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 陳峰.湖南大學(xué) 2018
[4]大規(guī)模網(wǎng)絡(luò)事件熱度預(yù)測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 蘇晨吉.哈爾濱工業(yè)大學(xué) 2017
[5]基于SVM的黃金價(jià)格預(yù)測(cè)模型及其參數(shù)優(yōu)化[D]. 曹旭.山東大學(xué) 2017
[6]水果市場(chǎng)價(jià)格預(yù)測(cè)與波動(dòng)預(yù)警研究[D]. 李俊青.華中農(nóng)業(yè)大學(xué) 2015
[7]基于BP神經(jīng)網(wǎng)絡(luò)的煙臺(tái)蘋(píng)果收購(gòu)價(jià)格預(yù)測(cè)[D]. 于曉輝.北京交通大學(xué) 2012
[8]ARMA相關(guān)模型及其應(yīng)用[D]. 安瀟瀟.燕山大學(xué) 2008
[9]中國(guó)化肥市場(chǎng)價(jià)格調(diào)控問(wèn)題研究[D]. 李欣婷.合肥工業(yè)大學(xué) 2006
[10]基于時(shí)間序列分析的IP語(yǔ)音收入預(yù)測(cè)[D]. 王洋.吉林大學(xué) 2004



本文編號(hào)：3544287