發(fā)布時(shí)間：2021-02-28 18:50

　　針對(duì)傳統(tǒng)農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)模型在大數(shù)據(jù)場(chǎng)景下無(wú)法快速準(zhǔn)確對(duì)蘋(píng)果市場(chǎng)價(jià)格進(jìn)行預(yù)測(cè)的問(wèn)題,提出一種基于分布式神經(jīng)網(wǎng)絡(luò)的蘋(píng)果價(jià)格預(yù)測(cè)方法。首先,研究影響蘋(píng)果市場(chǎng)價(jià)格的相關(guān)因素,選取蘋(píng)果歷史價(jià)格、替代品歷史價(jià)格、居民消費(fèi)水平和原油價(jià)格四個(gè)特征作為神經(jīng)網(wǎng)絡(luò)模型的輸入;然后,構(gòu)建蘊(yùn)含價(jià)格波動(dòng)規(guī)律的分布式神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)對(duì)蘋(píng)果市場(chǎng)價(jià)格的短期預(yù)測(cè)。實(shí)驗(yàn)結(jié)果顯示,基于分布式神經(jīng)網(wǎng)絡(luò)的蘋(píng)果市場(chǎng)價(jià)格短期預(yù)測(cè)模型具有較高的預(yù)測(cè)精度,平均相對(duì)誤差僅為0. 50%,滿(mǎn)足蘋(píng)果市場(chǎng)價(jià)格預(yù)測(cè)的要求。實(shí)驗(yàn)結(jié)果表明,分布式神經(jīng)網(wǎng)絡(luò)模型能夠通過(guò)自學(xué)習(xí)特性揭示出蘋(píng)果市場(chǎng)價(jià)格的波動(dòng)規(guī)律和發(fā)展趨勢(shì),所提方法能為穩(wěn)定蘋(píng)果市場(chǎng)秩序和市場(chǎng)價(jià)格宏觀調(diào)控提供科學(xué)依據(jù),有助于降低價(jià)格波動(dòng)帶來(lái)的危害,幫助果農(nóng)規(guī)避市場(chǎng)風(fēng)險(xiǎn)。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用. 2020,40(02)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

本文提出的分布式神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)如圖2所示：分布式神經(jīng)網(wǎng)絡(luò)模型能對(duì)大數(shù)據(jù)進(jìn)行分解，同時(shí)，將訓(xùn)練模型的計(jì)算量分?jǐn)傇诙鄠�(gè)計(jì)算節(jié)點(diǎn)上并行計(jì)算以加快收斂，最后將中間結(jié)果組裝成最終解，對(duì)蘋(píng)果市場(chǎng)價(jià)格進(jìn)行預(yù)測(cè)。在訓(xùn)練過(guò)程中采用的分布式神經(jīng)網(wǎng)絡(luò)算法如算法1所示，在Spark分布式計(jì)算框架中首先在Master節(jié)點(diǎn)設(shè)置全局神經(jīng)網(wǎng)絡(luò)模型參數(shù)，主要包括神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)層數(shù)、激活函數(shù)、學(xué)習(xí)率因子和網(wǎng)絡(luò)權(quán)重。然后，采用數(shù)據(jù)劃分策略將較大的數(shù)據(jù)集D劃分成m等份數(shù)據(jù)集。最后，將全局神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)和參數(shù)廣播至各Worker節(jié)點(diǎn)。各Worker節(jié)點(diǎn)接收到Master節(jié)點(diǎn)傳來(lái)的權(quán)重參數(shù)后對(duì)各自神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行初始化，并利用式（2）和式（3）進(jìn)行前饋計(jì)算，通過(guò)逐層的信息傳遞和計(jì)算，得到前饋神經(jīng)網(wǎng)絡(luò)最后的輸出y(aL）。

從圖4可以看出，各地區(qū)的相對(duì)誤差曲線(xiàn)基本控制在一個(gè)較小的水平1%之下，但仍然有2個(gè)預(yù)測(cè)數(shù)據(jù)點(diǎn)的相對(duì)誤差超過(guò)了1%的水平。實(shí)驗(yàn)結(jié)果表明，分布式神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測(cè)精度，能夠使得絕大部分預(yù)測(cè)數(shù)據(jù)點(diǎn)都保持在較小的相對(duì)誤差范圍內(nèi)。盡管個(gè)別數(shù)據(jù)點(diǎn)相對(duì)誤差稍微有些偏差（實(shí)際上，相對(duì)誤差最大也沒(méi)有超過(guò)1.4%），但也說(shuō)明個(gè)別數(shù)據(jù)點(diǎn)的預(yù)測(cè)偏差不會(huì)對(duì)其他預(yù)測(cè)點(diǎn)產(chǎn)生不良的影響，從而進(jìn)一步驗(yàn)證了神經(jīng)網(wǎng)絡(luò)模型具有較強(qiáng)的非線(xiàn)性擬合能力和穩(wěn)定性。為了更加詳細(xì)地對(duì)預(yù)測(cè)效果進(jìn)行深度分析，以各產(chǎn)區(qū)的蘋(píng)果市場(chǎng)價(jià)格預(yù)測(cè)過(guò)程為例進(jìn)行具體評(píng)價(jià)。從表2中看出，陜西省白水縣蘋(píng)果市場(chǎng)價(jià)格預(yù)測(cè)結(jié)果非常逼近真實(shí)價(jià)格，絕對(duì)誤差絕對(duì)值超過(guò)0.02元/斤的僅有兩個(gè)預(yù)測(cè)點(diǎn)，其他預(yù)測(cè)點(diǎn)偏差相對(duì)較小，其平均相對(duì)誤差值為0.36%，處于非常小的水平。相比其他地區(qū)，陜西省洛川縣蘋(píng)果市場(chǎng)價(jià)格預(yù)測(cè)結(jié)果的誤差最大；但絕對(duì)誤差超過(guò)0.03元/斤的也僅有兩個(gè)預(yù)測(cè)數(shù)據(jù)點(diǎn)，樣本270和271絕對(duì)誤差超過(guò)了0.05元/斤，相對(duì)誤差超過(guò)了1%，其他預(yù)測(cè)點(diǎn)偏差相對(duì)較小。總體上來(lái)看，陜西洛川蘋(píng)果的平均絕對(duì)誤差保持在0.027元/斤，平均相對(duì)誤差值為0.66%，滿(mǎn)足對(duì)蘋(píng)果市場(chǎng)價(jià)格的預(yù)測(cè)要求。陜西省千陽(yáng)縣蘋(píng)果市場(chǎng)價(jià)格預(yù)測(cè)結(jié)果相對(duì)較好，只有一個(gè)預(yù)測(cè)數(shù)據(jù)點(diǎn)的絕對(duì)誤差絕對(duì)值超過(guò)了0.04元/斤，其他預(yù)測(cè)數(shù)據(jù)點(diǎn)的絕對(duì)誤差絕對(duì)值和相對(duì)誤差保持在較小的范圍之內(nèi)。但在千陽(yáng)蘋(píng)果市場(chǎng)預(yù)測(cè)時(shí)預(yù)測(cè)值均低于真實(shí)值，這說(shuō)明基于分布式神經(jīng)網(wǎng)絡(luò)模型針對(duì)低估現(xiàn)象不存在自我修正機(jī)制。全國(guó)蘋(píng)果市場(chǎng)價(jià)格預(yù)測(cè)結(jié)果相比其他地區(qū)預(yù)測(cè)效果最佳，絕對(duì)誤差超過(guò)0.01元/斤的僅有一個(gè)預(yù)測(cè)數(shù)據(jù)點(diǎn)，其他預(yù)測(cè)點(diǎn)偏差都非常小，幾乎可以忽略；其相對(duì)誤差相應(yīng)地也處于非常小的水平，其平均相對(duì)誤差僅為0.28%，這樣的預(yù)測(cè)結(jié)果近乎于“完全精準(zhǔn)預(yù)測(cè)”。

【參考文獻(xiàn)】：
期刊論文
[1]基于組合模型的農(nóng)產(chǎn)品物價(jià)預(yù)測(cè)算法[J]. 蘇照軍,郭銳鋒,高岑,王美吉,李冬梅.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2019(05)
[2]ARIMA模型和灰色模型在農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)中的應(yīng)用比較[J]. 丁慧娟,張金磊,陳建中,李均濤,崔鵬.  安徽農(nóng)業(yè)科學(xué). 2018(24)
[3]基于多角度多區(qū)域特征融合的蘋(píng)果分類(lèi)方法[J]. 劉媛媛,王暉,郭躬德,江楠峰.  計(jì)算機(jī)應(yīng)用. 2018(05)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的中文微博情感分類(lèi)[J]. 馮多,林政,付鵬,王偉平.  計(jì)算機(jī)應(yīng)用與軟件. 2017(04)
[5]基于改進(jìn)BP網(wǎng)絡(luò)的車(chē)牌字符識(shí)別方法研究[J]. 張國(guó)云,向燦群,吳健輝,郭龍?jiān)?涂兵.  計(jì)算機(jī)應(yīng)用與軟件. 2017(04)
[6]基于云計(jì)算的特色農(nóng)莊平臺(tái)設(shè)計(jì)與探討[J]. 錢(qián)曄,孫吉紅,彭琳,李文峰,周慧,陸國(guó)泉,汪惜今.  計(jì)算機(jī)技術(shù)與發(fā)展. 2017(02)
[7]基于時(shí)間序列GA-SVR的水產(chǎn)品價(jià)格預(yù)測(cè)模型及驗(yàn)證[J]. 段青玲,張磊,魏芳芳,肖曉琰,王亮.  農(nóng)業(yè)工程學(xué)報(bào). 2017(01)
[8]基于信息�；蚉SO-SVR模型的棉花價(jià)格波動(dòng)區(qū)間和變化趨勢(shì)預(yù)測(cè)[J]. 張永禮,趙蕾,董志良.  廣東農(nóng)業(yè)科學(xué). 2015(11)
[9]基于經(jīng)驗(yàn)?zāi)B(tài)分解和支持向量機(jī)的農(nóng)產(chǎn)品價(jià)格短期預(yù)測(cè)[J]. 姚冠新,顧晴.  江蘇農(nóng)業(yè)科學(xué). 2014(09)
[10]基于改進(jìn)KNN算法的農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)模型[J]. 許杞剛,劉明軍,李海.  濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2014(02)

碩士論文
[1]陜西省蘋(píng)果市場(chǎng)影響因素分析[D]. 王向斌.西北農(nóng)林科技大學(xué) 2015



本文編號(hào)：3056290