李鹏飞 王青青 毋建宏 陈华雪

摘要：利用单一预测模型进行产量预测时，由于各模型的数学原理不同，对同一数据的处理只能基于数据的部分特征，在预测时无法深度挖掘数据的潜在规律，易出现较大的预测偏差。基于以上问题，笔者以1978—2017年陕西省苹果产量数据为研究对象，将1978—2012年产量作为预测模型的训练数据，2013—2017年产量作为测试数据，选取BP神经网络、ARIMA、LS-SVM 3种在数学原理上具有明显差异的预测模型，采用集成预测策略，依据3种预测模型对训练数据的平均相对预测误差确定各模型的预测权重，最终对各模型预测的2013—2017年数据进行加权获取集成预测值。实证分析表明，集成预测值的平均相对误差在2.5%以内，其预测结果比单一预测模型更加准确和稳健，可有效实现苹果产量高精度预测。

关键词：BP神经网络;ARIMA;LS-SVM;陕西苹果产量;集成预测

中图分类号： S11+9文献标志码： A

文章编号：1002-1302（2020）04-0294-07

收稿日期：2019-07-30

基金项目：国家社会科学基金（编号：18FGL022）;教育部哲学社会科学研究后期资助项目（编号：18JHQ082）;陕西省科技厅重大项目（编号：2018ZDXM-GY-188）;陕西省社会科学界2019年重大理论与现实问题研究项目（编号：2019TJ038）;陕西高校青年创新团队;西安市科技计划[编号：201806117YF05NC13（5）]。

作者简介：李鹏飞（1975—），男，陕西户县人，教授，硕士生导师，主要从事电商大数据分析研究。E-mail：lpf@xupt.edu.cn。

通信作者：毋建宏，副教授，主要从事大数据处理研究。E-mail：wujh@xupt.edu.cn。

陕西省因独特的地理优势，已成为中国苹果产区中唯一符合7项气象指标的苹果生产最适宜区。苹果产业是陕西省农业特色的优势产业，不仅是陕西省农业经济的重要支柱之一，也是农民收入的重要来源[1]。……