發(fā)布時間：2021-07-24 14:55

　　現(xiàn)如今,隨著科學技術的發(fā)展,各行各業(yè)的數(shù)據(jù)被及時保存,數(shù)據(jù)信息量大,維數(shù)高,數(shù)據(jù)類型多,人們想從大量數(shù)據(jù)中獲取有價值的信息變得更加困難。但是隨著科技的進步,很多的智能算法理論被科學研究者們提出,利用智能算法能夠從大量數(shù)據(jù)中挖掘有意義且有價值的信息。我國地源遼闊,農(nóng)業(yè)信息相對較為閉塞,人們無法及時獲得農(nóng)產(chǎn)品價格信息以及預測未來一段時間內(nèi)農(nóng)產(chǎn)品物價走勢,現(xiàn)迫切需要一種可以及時獲取農(nóng)產(chǎn)品價格信息和能夠對未來一段時間內(nèi)的農(nóng)產(chǎn)品價格進行預測的系統(tǒng)。所以本文旨在實現(xiàn)一種基于組合模型的農(nóng)產(chǎn)品物價預測系統(tǒng),用戶可以查詢農(nóng)產(chǎn)品物價信息,同時可以對未來一段時間內(nèi)某種農(nóng)產(chǎn)品物價進行預測與分析,極大方便農(nóng)戶和消費者掌握農(nóng)產(chǎn)品信息。為實現(xiàn)農(nóng)產(chǎn)品物價預測系統(tǒng),本文深入研究了常用的預測算法,提出優(yōu)化預測算法,結合多種算法特點,設計一種基于組合模型的農(nóng)產(chǎn)品物價預測算法,使得預測準確率進一步提高,算法更加穩(wěn)定;同時研究了Web開發(fā)框架,以及如何保證Web系統(tǒng)平穩(wěn)高效正常運行;后臺數(shù)據(jù)庫采用讀寫分離和主從備份技術,從而保證系統(tǒng)的可靠性和數(shù)據(jù)的完整性。本文首先闡述了農(nóng)產(chǎn)品物價預測系統(tǒng)和預測模型的國內(nèi)外研究現(xiàn)狀,介紹了數(shù)據(jù)挖... 

【文章來源】：中國科學院大學(中國科學院沈陽計算技術研究所)遼寧省

【文章頁數(shù)】：85 頁

【學位級別】：碩士

【部分圖文】：

數(shù)據(jù)挖掘與應用軟件結構關系

圖 2.2 數(shù)據(jù)處理流程Figure 2.2 Data Processing Flow般由數(shù)據(jù)庫、數(shù)據(jù)倉庫、利用爬蟲提供，用戶可以通過自己的途徑，獲據(jù)源之后，由于數(shù)據(jù)可能存在很多進行規(guī)范化，然后才能夠輸入到數(shù)據(jù)表 2.1 數(shù)據(jù)預處理描述Table 2.1 Data Preprocessing Descriptio數(shù)據(jù)預處理功能描述失值進行填補、對噪聲點進行平滑、

PRF 1 技術統(tǒng)概述程的加快，各行各業(yè)都接入了互聯(lián)網(wǎng)大家庭，產(chǎn)生的數(shù)據(jù)息量呈現(xiàn)指數(shù)型快速增長模型，海量數(shù)據(jù)呈現(xiàn)，人們在面統(tǒng)的解決問題的模型獲取價值信息，迫切需要一種系統(tǒng)為人們提供服務。預測系統(tǒng)就是在海量數(shù)據(jù)的背景下出國是一個農(nóng)業(yè)大國，地域廣大，各個地方信息的互通目前再加上現(xiàn)在是一個多變的信息時代，如果人們不能及時機遇。所以設計一款能夠及時發(fā)布信息，提供適應性服。

【參考文獻】：
期刊論文
[1]針對SSM框架Web系統(tǒng)的相關思考[J]. 曾艷麗,李諾.  信息與電腦(理論版). 2019(03)
[2]氣象大數(shù)據(jù)與農(nóng)產(chǎn)品價格的相關性分析[J]. 汪華,王彪,李波,譚海波.  成都信息工程大學學報. 2018(05)
[3]基于季節(jié)指數(shù)調(diào)整與HGWO-SVR算法的農(nóng)產(chǎn)品價格預測模型[J]. 鄭薇,王燦強,李維德.  統(tǒng)計與決策. 2018(19)
[4]基于Spring+SpringMVC+hibernate框架的Web系統(tǒng)設計與實現(xiàn)[J]. 朱運喬.  電腦知識與技術. 2018(26)
[5]基于BP-ARIMA組合模型的福建濱海旅游市場規(guī)模預測[J]. 陳詠梅.  廈門理工學院學報. 2018(04)
[6]ARIMA模型和灰色模型在農(nóng)產(chǎn)品價格預測中的應用比較[J]. 丁慧娟,張金磊,陳建中,李均濤,崔鵬.  安徽農(nóng)業(yè)科學. 2018(24)
[7]基于web的農(nóng)產(chǎn)品市場價格分析與預測信息系統(tǒng)設計與實現(xiàn)[J]. 楊雄鋼.  農(nóng)家參謀. 2018(17)
[8]基于GM-RBF神經(jīng)網(wǎng)絡的股票價格預測分析[J]. 劉述忠.  計算機與現(xiàn)代化. 2018(08)
[9]基于支持向量機模型的北京城鎮(zhèn)農(nóng)產(chǎn)品冷鏈物流需求預測[J]. 王曉平,彭文凱,盧懷宇,閆飛.  湖北農(nóng)業(yè)科學. 2018(15)
[10]上海農(nóng)產(chǎn)品價格監(jiān)測與分析預測系統(tǒng)構建[J]. 陳旭,唐衛(wèi)紅,張向飛,潘家銘,楊娟,邵芳.  上海農(nóng)業(yè)學報. 2018(04)

博士論文
[1]基于價格分解的鮮活農(nóng)產(chǎn)品短期價格預測模型[D]. 徐克.中國農(nóng)業(yè)科學院 2016

碩士論文
[1]非線性方法的時間序列組合模型在農(nóng)產(chǎn)品價格預測中的應用研究[D]. 江粉桃.蘭州交通大學 2018
[2]基于WOFOST模型和支持向量機的糧食產(chǎn)量預測模型的研究與實現(xiàn)[D]. 陳帥.吉林大學 2018
[3]基于BP神經(jīng)網(wǎng)絡的贛南臍橙價格預測研究[D]. 解建強.華中農(nóng)業(yè)大學 2017
[4]基于深度學習的農(nóng)產(chǎn)品價格預測模型研究[D]. 錢彬彬.安徽農(nóng)業(yè)大學 2017
[5]基于數(shù)據(jù)挖掘的玉米市場價格預測[D]. 王文晶.青島大學 2017
[6]基于時間序列的農(nóng)產(chǎn)品價格預測方法的研究與應用[D]. 張賀.東北大學 2017
[7]我國農(nóng)產(chǎn)品價格預測模型的甄選[D]. 王長松.江西財經(jīng)大學 2016
[8]基于神經(jīng)網(wǎng)絡的安徽省糧食產(chǎn)量組合預測研究[D]. 高銘悅.安徽農(nóng)業(yè)大學 2016
[9]基于PCA-ELM的我國糧食價格預測研究[D]. 郭婷婷.太原理工大學 2016
[10]農(nóng)產(chǎn)品市場價格的集成預測方法研究[D]. 牛超.華中師范大學 2016



本文編號：3300871