為提高玉米價格預(yù)測精度,基于分解-重構(gòu)-集成思想,構(gòu)建一個基于奇異譜分解的多尺度組合模型。首先對原始序列進(jìn)行奇異譜分解,并用對角平均法將分量序列重構(gòu),用作單個模型的輸入,最后用BP神經(jīng)網(wǎng)絡(luò)對各單一模型輸出進(jìn)行非線性集成。對比分析了分別將原始序列、重構(gòu)序列作為輸入,各單一模型和多尺度組合模型的預(yù)測效果。結(jié)果表明,該研究所建模型要優(yōu)于各單一模型�；趦r格總體趨于平穩(wěn)的情況,政府應(yīng)結(jié)合實(shí)際情況適當(dāng)采取措施以保障玉米價格的持續(xù)穩(wěn)定。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1多尺度組合預(yù)測模型構(gòu)建示意

基于多尺度組合模型構(gòu)建的基本思想,該研究提出了這樣一個預(yù)測模型,如圖1所示。其步驟可總結(jié)如下:①運(yùn)用奇異譜分解方法和對角平均法對玉米價格序列進(jìn)行分解和重構(gòu),提取對原序列具有顯著貢獻(xiàn)的分量,從而得到一個剔除噪聲的時間序列,并將其作為下一步預(yù)測的輸入;②分別采用SVR、ARIMA、線....

圖2三層BP神經(jīng)網(wǎng)絡(luò)

因此,該研究采用了BP神經(jīng)網(wǎng)絡(luò)非線性集成預(yù)測模型(BPNN),通過BPNN來確定集成模型的權(quán)重,實(shí)現(xiàn)非線性映射。BPNN是在研究預(yù)測這個領(lǐng)域中比較常見的人工神經(jīng)網(wǎng)絡(luò)類型,能學(xué)習(xí)和儲存大量的輸入和輸出之間的映射關(guān)系,能較好地表述數(shù)據(jù)內(nèi)部所蘊(yùn)含的非線性特征[14]。以一個三層BPNN....

圖32000年1月—2018年6月我國集貿(mào)市場玉米價格

如圖3所示,由于某些特殊事件的干擾(如2003年SARS、2015年國務(wù)院印發(fā)《關(guān)于加大改革創(chuàng)新力度加快農(nóng)業(yè)現(xiàn)代化建設(shè)的若干意見》等),序列表現(xiàn)出明顯的不光滑。2.2預(yù)測與結(jié)果評價

圖4重構(gòu)分量1

可以看到此時雖然在部分窗口長度仍沒有很好的去噪效果,但是SSA方法基本有效地降低了原始序列的噪聲,最終根據(jù)時間序列的周期及經(jīng)驗(yàn),選取了效果較好的窗口,確定了奇異譜分解的窗口長度為36,此時選取的重構(gòu)分量個數(shù)為16個,另外第17～36個分量構(gòu)成一個噪聲序列。重構(gòu)分量如圖4～7所示。....

本文編號：3908063