通過奇異譜分析方法分解豬肉價格,采用ARIMA模型、SVM模型和BP神經(jīng)網(wǎng)絡模型對分解后的豬肉價格進行組合預測;同時選擇ARIMA,SVM和BP神經(jīng)網(wǎng)絡作為基準模型,把組合模型預測的結果與所選的基準模型預測結果進行對比,得到了組合模型預測結果總體上優(yōu)于基準模型預測結果的結論。通過DM檢驗,進一步驗證了結果的可靠性。預測結果表明,SSA組合模型的預測能力平均比ARIMA、SVM和BP神經(jīng)網(wǎng)絡3種基準模型的預測能力分別高出7.97%、72.79%、67.64% 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 基本理論介紹
    1.1 奇異譜分析
    1.2 差分整合移動平均自回歸模型
    1.3 支持向量機
    1.4 BP神經(jīng)網(wǎng)絡
2 SSA組合預測
    2.1 樣本選取與預處理
    2.2 SSA分解
    2.3 模型構建與預測
    2.4 DM檢驗
3 結論


【參考文獻】：
期刊論文
[1]基于多元回歸的BP神經(jīng)網(wǎng)絡生豬價格預測模型[J]. 任青山,方逵,朱幸輝.  江蘇農(nóng)業(yè)科學. 2019(14)
[2]中國豬肉價格預測研究——基于ARIMA-GM-RBF組合模型的分析[J]. 吳培,李哲敏.  價格理論與實踐. 2019(01)
[3]基于ARIMA模型的上海市生豬價格預測[J]. 李子涵,張玉梅,馬佳,趙京音.  農(nóng)業(yè)展望. 2019(04)
[4]基于VAR模型的豬肉價格波動分析[J]. 禹旭濤,方永美.  山西科技. 2019(02)
[5]我國豬肉價格趨勢變動及其預測——基于Elman神經(jīng)網(wǎng)絡模型的分析[J]. 馮叔君,陳芳.  價格理論與實踐. 2018(06)
[6]基于改進持支向量機的豬肉價格預測研究[J]. 姜百臣,馮凱杰,彭思喜.  廣東農(nóng)業(yè)科學. 2018(12)
[7]基于GLUE和PEST的CERES-Maize模型調參與驗證研究[J]. 宋利兵,陳上,姚寧,馮浩,張體彬,何建強.  農(nóng)業(yè)機械學報. 2015(11)
[8]基于EMD-SVM的農(nóng)產(chǎn)品市場價格短期預測模型[J]. 屠星月,于輝輝,郭承坤,阮懷軍,陳英義.  湖北農(nóng)業(yè)科學. 2015(19)

碩士論文
[1]基于奇異譜分析的ARMA-SVR模型在股指預測中的應用[D]. 袁金銘.山東大學 2019
[2]組合預測模型在吉林省生豬價格預測中的應用[D]. 平平.吉林大學 2010
[3]基于主成分—神經(jīng)網(wǎng)絡的農(nóng)產(chǎn)品期貨預測研究及模型實現(xiàn)[D]. 黃穎.首都師范大學 2008



本文編號：3734081