發(fā)布時間：2018-04-30 07:05

  本文選題：SVR預測模型 + 自適應　； 參考：《大豆科學》2017年04期

【摘要】：國內(nèi)大豆價格受到多重因素影響,如大豆進口量、國內(nèi)大豆供給量、中國居民消費價格指數(shù)等,因此呈現(xiàn)非線性等特點。大豆價格的劇烈波動會對農(nóng)戶的種植結構和國家政策產(chǎn)生影響,因此準確預測大豆價格具有重要意義。支持向量回歸(SVR)因其優(yōu)越的尋優(yōu)能力和較高的預測精確度而被廣泛應用于非線性時間序列回歸中。本文提出一種自適應粒子群算法(APSO)優(yōu)化的SVR模型來預測我國大豆價格,該模型通過將現(xiàn)實空間內(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)之間的關系。在SVR模型參數(shù)優(yōu)化時,由于粒子群算法易陷入局部最優(yōu)解,因此采用慣性權重更新和適應度變異的粒子群算法(APSO)對預測模型參數(shù)進行優(yōu)化。采用2009年1月-2016年12月的國內(nèi)大豆價格月度數(shù)據(jù)進行預測,結果表明APSO優(yōu)化的SVR模型在大豆價格預測中精度較高,且能準確反應大豆價格的未來趨勢,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)大學工學院;
【基金】：國家自然科學基金(71301077)
【分類號】：F323.7;TP18

【參考文獻】

相關期刊論文 前10條

1 張冬青;劉歡;張云清;;基于Q-RBF神經(jīng)網(wǎng)絡模型的國產(chǎn)大豆價格預測研究[J];大豆科學;2017年01期

2 段青玲;張磊;魏芳芳;肖曉琰;王亮;;基于時間序列GA-SVR的水產(chǎn)品價格預測模型及驗證[J];農(nóng)業(yè)工程學報;2017年01期

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

4 張婷;;基于ARIMA模型的國際糧食短期價格分析預測——以大豆為例[J];價格月刊;2016年07期

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

6 喻勝華;龔尚花;;基于Lasso和支持向量機的糧食價格預測[J];湖南大學學報(社會科學版);2016年01期

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

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

9 陳榮;梁昌勇;謝福偉;;基于SVR的非線性時間序列預測方法應用綜述[J];合肥工業(yè)大學學報(自然科學版);2013年03期

10 徐進;費少梅;張樹有;施岳定;;自適應粒子群求解資源動態(tài)分配項目調(diào)度問題[J];計算機集成制造系統(tǒng);2011年08期

【共引文獻】

相關期刊論文 前10條

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

2 何朋飛;李靜;張冬青;;APSO_SVR模型在我國大豆價格預測的應用研究[J];大豆科學;2017年04期

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

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

5 李芬妮;張俊飚;曾楊梅;;基于GM(1,1)模型的食用菌價格預測[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格變化規(guī)律研究[J];中國市場;2017年14期

7 盧維學;楊世娟;鮑志暉;;我國玉米價格波動的條件異方差模型實證分析[J];佳木斯大學學報(自然科學版);2017年03期

8 周玲;韓朝怡;;基于機器學習建模方法的我國糧食種植面積影響因素研究[J];時代金融;2017年11期

9 李敬花;茆學掌;張濤;;基于人工神經(jīng)網(wǎng)絡的復雜海工裝備項目工作結構分解[J];計算機集成制造系統(tǒng);2017年07期

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

【二級參考文獻】

相關期刊論文 前10條

1 毛學峰;賈偉;;大豆及制成品動態(tài)特征價格的實證研究[J];農(nóng)業(yè)技術經(jīng)濟;2016年07期

2 張婷;;基于ARIMA模型的國際糧食短期價格分析預測——以大豆為例[J];價格月刊;2016年07期

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

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

5 石波;張冬青;馬開平;劉歡;;改進RBF神經(jīng)網(wǎng)絡在我國大豆價格預測中的應用研究[J];大豆科學;2016年02期

6 郭永泉;;國際大宗商品價格下跌的原因、影響及應對[J];市場經(jīng)濟與價格;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測技術[J];計算機技術與發(fā)展;2015年07期

8 李哲敏;許世衛(wèi);崔利國;張建華;;基于動態(tài)混沌神經(jīng)網(wǎng)絡的預測研究——以馬鈴薯時間序列價格為例[J];系統(tǒng)工程理論與實踐;2015年08期

9 谷強平;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;2015年02期

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

【相似文獻】

相關期刊論文 前1條

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

，

本文編號：1823564