本文選題：SVR預(yù)測模型 + 自適應(yīng)　； 參考：《大豆科學(xué)》2017年04期

【摘要】：國內(nèi)大豆價(jià)格受到多重因素影響,如大豆進(jìn)口量、國內(nèi)大豆供給量、中國居民消費(fèi)價(jià)格指數(shù)等,因此呈現(xiàn)非線性等特點(diǎn)。大豆價(jià)格的劇烈波動(dòng)會對農(nóng)戶的種植結(jié)構(gòu)和國家政策產(chǎn)生影響,因此準(zhǔn)確預(yù)測大豆價(jià)格具有重要意義。支持向量回歸(SVR)因其優(yōu)越的尋優(yōu)能力和較高的預(yù)測精確度而被廣泛應(yīng)用于非線性時(shí)間序列回歸中。本文提出一種自適應(yīng)粒子群算法(APSO)優(yōu)化的SVR模型來預(yù)測我國大豆價(jià)格,該模型通過將現(xiàn)實(shí)空間內(nèi)的數(shù)據(jù)映射到高維空間內(nèi),在高維空間內(nèi)構(gòu)造線性回歸函數(shù),從而判別原有空間內(nèi)數(shù)據(jù)之間的關(guān)系。在SVR模型參數(shù)優(yōu)化時(shí),由于粒子群算法易陷入局部最優(yōu)解,因此采用慣性權(quán)重更新和適應(yīng)度變異的粒子群算法(APSO)對預(yù)測模型參數(shù)進(jìn)行優(yōu)化。采用2009年1月-2016年12月的國內(nèi)大豆價(jià)格月度數(shù)據(jù)進(jìn)行預(yù)測,結(jié)果表明APSO優(yōu)化的SVR模型在大豆價(jià)格預(yù)測中精度較高,且能準(zhǔn)確反應(yīng)大豆價(jià)格的未來趨勢,為從事大豆種植者及經(jīng)營者提供決策依據(jù)。
[Abstract]:The domestic soybean price is affected by many factors, such as soybean import quantity, domestic soybean supply quantity, Chinese consumer price index and so on. The violent fluctuation of soybean price will have an impact on the farmers' planting structure and national policy, so it is of great significance to accurately predict the soybean price. Support vector regression (SVR) is widely used in nonlinear time series regression because of its superior optimization ability and high prediction accuracy. In this paper, an adaptive particle swarm optimization (SVR) optimization model is proposed to predict soybean prices in China. The model constructs a linear regression function in high-dimensional space by mapping the data in real space to high-dimensional space. In order to distinguish the relationship between the data in the original space. When the parameters of SVR model are optimized, the particle swarm optimization (PSO) algorithm is used to optimize the parameters of the prediction model because PSO is easy to fall into the local optimal solution, so the particle swarm optimization algorithm (PSO) which updates the inertia weight and the fitness mutation is used to optimize the parameters of the prediction model. The monthly data of soybean price in China from January 2009 to December 2016 are used to predict soybean price. The results show that the SVR model optimized by APSO has high precision in soybean price prediction and can accurately reflect the future trend of soybean price. To provide decision-making basis for soybean growers and operators.
【作者單位】： 南京農(nóng)業(yè)大學(xué)工學(xué)院;
【基金】：國家自然科學(xué)基金(71301077)
【分類號】：F323.7;TP18

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張冬青;劉歡;張?jiān)魄?;基于Q-RBF神經(jīng)網(wǎng)絡(luò)模型的國產(chǎn)大豆價(jià)格預(yù)測研究[J];大豆科學(xué);2017年01期

2 段青玲;張磊;魏芳芳;肖曉琰;王亮;;基于時(shí)間序列GA-SVR的水產(chǎn)品價(jià)格預(yù)測模型及驗(yàn)證[J];農(nóng)業(yè)工程學(xué)報(bào);2017年01期

3 范震;馬開平;姜順婕;石波;;基于改進(jìn)GM(1,N)模型的我國大豆價(jià)格影響因素分析及預(yù)測研究[J];大豆科學(xué);2016年05期

4 張婷;;基于ARIMA模型的國際糧食短期價(jià)格分析預(yù)測——以大豆為例[J];價(jià)格月刊;2016年07期

5 朱婧;范亞東;徐勇;;基于改進(jìn)GM(1,1)模型的中國大豆價(jià)格預(yù)測[J];大豆科學(xué);2016年02期

6 喻勝華;龔尚花;;基于Lasso和支持向量機(jī)的糧食價(jià)格預(yù)測[J];湖南大學(xué)學(xué)報(bào)(社會科學(xué)版);2016年01期

7 劉歡;張冬青;;基于分位數(shù)回歸的國產(chǎn)大豆價(jià)格影響因素分析[J];大豆科學(xué);2014年05期

8 李劍;宋長鳴;項(xiàng)朝陽;;中國糧食價(jià)格波動(dòng)特征研究——基于X-12-ARIMA模型和ARCH類模型[J];統(tǒng)計(jì)與信息論壇;2013年06期

9 陳榮;梁昌勇;謝福偉;;基于SVR的非線性時(shí)間序列預(yù)測方法應(yīng)用綜述[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

10 徐進(jìn);費(fèi)少梅;張樹有;施岳定;;自適應(yīng)粒子群求解資源動(dòng)態(tài)分配項(xiàng)目調(diào)度問題[J];計(jì)算機(jī)集成制造系統(tǒng);2011年08期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 董超;胡艷珍;李晨光;;PCA-SS-LSSVM算法研究[J];制造業(yè)自動(dòng)化;2017年07期

2 何朋飛;李靜;張冬青;;APSO_SVR模型在我國大豆價(jià)格預(yù)測的應(yīng)用研究[J];大豆科學(xué);2017年04期

3 楊萬江;劉琦;;國際糧價(jià)波動(dòng)特征及其隨機(jī)沖擊效應(yīng)研究——以大米價(jià)格為例[J];農(nóng)業(yè)現(xiàn)代化研究;2017年04期

4 杜蓉;朱麗娟;;影響我國大豆價(jià)格變動(dòng)的因素分析[J];中國油脂;2017年06期

5 李芬妮;張俊飚;曾楊梅;;基于GM(1,1)模型的食用菌價(jià)格預(yù)測[J];長江蔬菜;2017年10期

6 周玲;張媛;;基于ARMA和ARCH模型的我國主要糧食作物價(jià)格變化規(guī)律研究[J];中國市場;2017年14期

7 盧維學(xué);楊世娟;鮑志暉;;我國玉米價(jià)格波動(dòng)的條件異方差模型實(shí)證分析[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年03期

8 周玲;韓朝怡;;基于機(jī)器學(xué)習(xí)建模方法的我國糧食種植面積影響因素研究[J];時(shí)代金融;2017年11期

9 李敬花;茆學(xué)掌;張濤;;基于人工神經(jīng)網(wǎng)絡(luò)的復(fù)雜海工裝備項(xiàng)目工作結(jié)構(gòu)分解[J];計(jì)算機(jī)集成制造系統(tǒng);2017年07期

10 劉燦;;基于改進(jìn)灰色模型的汕頭港吞吐量預(yù)測[J];中國水運(yùn)(下半月);2017年03期

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 毛學(xué)峰;賈偉;;大豆及制成品動(dòng)態(tài)特征價(jià)格的實(shí)證研究[J];農(nóng)業(yè)技術(shù)經(jīng)濟(jì);2016年07期

2 張婷;;基于ARIMA模型的國際糧食短期價(jià)格分析預(yù)測——以大豆為例[J];價(jià)格月刊;2016年07期

3 王威巍;梁鴿峰;孫琛;;中國水產(chǎn)品市場價(jià)格波動(dòng)特征研究[J];中國漁業(yè)經(jīng)濟(jì);2016年02期

4 朱婧;范亞東;徐勇;;基于改進(jìn)GM(1,1)模型的中國大豆價(jià)格預(yù)測[J];大豆科學(xué);2016年02期

5 石波;張冬青;馬開平;劉歡;;改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)在我國大豆價(jià)格預(yù)測中的應(yīng)用研究[J];大豆科學(xué);2016年02期

6 郭永泉;;國際大宗商品價(jià)格下跌的原因、影響及應(yīng)對[J];市場經(jīng)濟(jì)與價(jià)格;2015年09期

7 王成國;鄧仲元;陳海文;蔡志平;;基于ARIMA模型的金融品種走勢預(yù)測技術(shù)[J];計(jì)算機(jī)技術(shù)與發(fā)展;2015年07期

8 李哲敏;許世衛(wèi);崔利國;張建華;;基于動(dòng)態(tài)混沌神經(jīng)網(wǎng)絡(luò)的預(yù)測研究——以馬鈴薯時(shí)間序列價(jià)格為例[J];系統(tǒng)工程理論與實(shí)踐;2015年08期

9 谷強(qiáng)平;周靜;杜吉到;;基于貿(mào)易視角的中國大豆產(chǎn)業(yè)安全分析[J];大豆科學(xué);2015年02期

10 張鵬;袁劍琴;;國際大宗商品價(jià)格下跌對我國物價(jià)水平影響測算[J];中國物價(jià);2015年04期

【相似文獻(xiàn)】

相關(guān)期刊論文 前1條

1 楊冬風(fēng);朱洪德;;使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測大豆生長發(fā)育階段[J];現(xiàn)代農(nóng)業(yè)科技;2011年13期

，

本文編號：1823564