白伟 李凤英

摘要：宁夏西吉县是国家级贫困县，特色农产品有马铃薯、冷凉蔬菜、肉牛、羊、杂粮等，马铃薯为支柱产业享誉国内外。以西吉县新营乡马铃薯批发市场2016/10/17-2020/2/2三种马铃薯每日交易价格共2894个数据样本为例。利用BP隐层神经网络理论与Matlab人工神经网络工具箱构建预测模型，对销售价格进行短期预测，并利用MAE、MAPE、MASE 评价指标检验显示结果良好，能够为政府稳定市场、提高农户收入做出科学判断依据，同时为其他农产品价格预测提供理论与实操可信参考。

Abstract： Xiji County， Ningxia is a national poverty-stricken county. The specialty agricultural products include potatoes， cold vegetables， beef cattle， sheep and miscellaneous grains. Potato is a well-known industry at home and abroad. Taking the potato wholesale market of Xinying Township in Xiji County from 2016/10/17-2020/2/2 with a total of 2894 data samples as an example， this paper uses the theory of hidden layer of BP neural network and Matlab neural network toolbox to build prediction model of short-term prediction on the selling price， and the MAE， MAPE， MASE evaluation index shows good results， which can make scientific judgment for raising the income of farmers and stabilizing market price， and provide credible theoretical and practical reference for other agricultural product price forecast.

关键词：BP神经网络;马铃薯;预测

Key words： BP neural network;potato;forecast

中图分类号：O212.9                                      文献标识码：A                                  文章编号：1006-4311（2020）15-0201-03

0  引言

中国是农业大国，促进农业的可持续发展是提高农户收入及生活水平的重要途径。以宁夏西吉县为例，国家级贫困县总人口49.6万[1]，农业人口42.5万占85.69%是宁夏人口、农业第一大县。在“精准扶贫”模式下，贫困人口从2015年的27%下降至2019年的1%，脱贫效果显著，目前巩固成果中。特色农产品有马铃薯、冷凉蔬菜、肉牛、羊、杂粮等，尤其马铃薯是支柱产业是该地农民精心选留与自然选择的结果，被誉为“金豆豆”、“中国马铃薯之乡“，优质马铃薯种植面积最高可达到120万亩，2019年种植81万亩，平均产量达1768.2公斤/亩[2]。销售周期可达七到八个月时间，从种植、贮藏、加工再到外销，西吉县马铃薯产业正在形成一套完整的产业链条。

增加农民收入直接反映在农产品销售价格上，确保农产品价格平稳运行一直是中国政府高度关注的重点，也是宏观调控的难点，由于农产品上市周期不同，价格存在较大波动，如何精准、实时地进行农产品价格的短期预测，更是学术界长期不断探索的研究领域。从已有文献看，国内外学者对农产品短期价格时间序列进行预测的方法有许多。

近几年的研究有，徐克[3]以统计学习理论、西方经济学、计量经济学、农业信息分析学为基础，采用时间序列分析预测方法、经验模态分解方法、希伯特-黄转换法、支持向量回归模型和组合模型预测等方法，结合实际问题进行实证分析，将农产品价格进行分解，并對分解后的结果进行深入分析，探究其背后的意义。王文晶[4]借助R工具，通过分析建立时间序列模型、神经网络模型，选用AR（1）、ARIMA（1，1，1）、ARIMA（2，1，3）、多重季节MA模型ARIMA（2，1，3）、季节模型ARMA（2，0，2）等模型进行预测。张荣臻[5]建立Dropout神经网络，进行农产品价格预测。贾宁[6]等根据农产品价格特点，设计了一种LSTM-DA（Long Short-Term Memory-Double Attention，双重注意力机制与长短期记忆网络融合）神经网络模型，它将卷积注意力网络（Convolutional Neural Networks，CNN）、长短期记忆网络（Long Short-Term Memory，LSTM）和注意力机制相结合，针对不同成分的影响因子通过卷积注意力网络进行特征提取，进行农产品价格指数的短期预测。

1  理论基础

1.1 BP神经网络

BP神经网络[7]是目前为止最为成功的神经网络算法之一，其学习方式采用标准梯度下降的误差逆传播（Error Back Propagation）的方式，以下介绍的BP神经网络为3层前馈神经网络，如图1所示，定义如下：

给定训练集

即输入数据纬度为d，输出的数据纬度为l。假设神经网络有d个输入节点，l个输出节点，隐层有q个神经元，输出层第j个神经元阈值为？兹j，第h个隐层神经元阈值为？酌h。输入层第i个节点与隐层第h个节点之间的权重为vih，隐层第h个节点与输出层第j个节点的权重为wih。根据以上假设可以有如下公式：

①激活函数为;

②隐层第h个神经元接收到的输入为;

③隐层第h个神经元的输出为;

④输出层第j个神经元接收到的输入为;

⑤输出层第j个神经元的输出。

由以上5个公式可知，神经网络之中只要（d+l+1）q+l个参数确定，则就可以由输入计算出输出，这些参数分别为输入层到隐层权重dq个，隐层到输出层权重ql个，隐层神经元阈值为q个，输出层神经元阈值为l个。

1.2 模型评价标准

人工神经网络预测三大评价指标分别为MAE、MAPE、RMSE[8]，假设预测值为，真实值为，则评价指标定义如下：

①MAE （Mean Absolute Error），平均绝对误差，是绝对误差的平均值，平均绝对误差能更好地反映预测值误差的实际情况。范围[0，+∞），当预测值与真实值完全吻合时等于0，即完美模型;误差越大，该值越大。

（1）

②MAPE（Mean Absolute Percentage Error），平均绝对百分比误差，真实值范围（0，+∞），MAPE 为0%表示完美模型，MAPE大于100%则表示劣质模型。当真实值有数据等于0时，存在分母0除问题，该公式不可用。

（2）

③RMSE（Root Mean Square Error），均方根误差，范围[0，+∞），当预测值与真实值完全吻合时等于0，即完美模型;误差越大，该值越大。

（3）

2  实证分析

2.1 数据来源

西吉县新营乡马铃薯批发市场是宁夏马铃薯最大交易市场，品种主要是以青薯9号、陇薯7号、青薯168三种为主，其中陇薯7号为新引进品种2018年10月份上市，每天定时发布交易价格，数据同步上传在中国马铃薯网（http：//www.malingshu7.com/）。选取2016/10/17-2020/2/2青薯9号与青薯168交易单价（各1204个），2018/10/18-2020/2/2陇薯7号交易单价（486个），共2894个样本数据，每日价格波动如图2所示（单位元/公斤）。

2.2 预处理

将样本数据分为训练数据、预测数据、验证数据三类。训练数据主要用于模型构建，调整相关参数，使得模型达到预测要求。预测数据是模型建构完成后预测的数据，验证数据则是真实数据。通过验证数据与预测数据的对比分析，做出结论。

马铃薯的价格波动受各种因素合力决定，例如种植面积、季节、销售周期等，西吉马铃薯已经过市场经济多年检验，样本数据周期单位为天，属于高频、高密度数据，明显优于周期为周、月、年等数据，更有利于分析与验证，价格本身已包含并体现着这些综合因素的影响，故样本数据用时间序列预测模式排列，用前期价格来预测后期价格，影响因素不再考虑。

2.3 模型构建

Matlab中包含神经网络工具箱，因此使用Matlab（版本R2018b）软件进行BP神经网络模型构建预测模型。根据隐层BP神经网络理论及结构，构建多隐含层模型，多隐含层泛化能力强，预测精度高。选择Matlab神经网络工具箱中的newff函数可方便构建多隐含层预测模型，通过编写程序先进行数据选择与归一化处理，接着利用newff函数进行预测处理输出，并计算MAE、MAPE、RMSE进行误差检验。

2.4 预测分析

①青薯9号前1104个交易日价格为训练数据，预测后100个交易日数据，预测值与真实值对比如图3所示。

②青薯168前1104个交易日数据为训练数据，预测后100个交易日数据与真实值对比如图4所示。

③陇薯7号选择前450个交易日数据为训练数据，预测后36个交易数据，预测与真实值对比如图5所示。

2.5 评价指标分析

三个品种的马铃薯预测数值与真实值误差分析MAE、MAPE、RMSE统计表1所示，结果都趋于0，预测效果好。

柱形图如图6所示。

3  结论

本文建立了多隐层BP神经网络预测模型，通过训练、预测、检验，保证了预测模型的高效性和可靠性，整体预测效果优异，能够为西吉马铃薯短期价格预测提供科学参考，同时为其他农产品价格预测提供可信参考。

参考文献：

[1]百度百科.西吉县， https：//baike.baidu.com/item/西吉县/11021369？fr=aladdin.2019-3-25.

[2]今日美丽兴平.西吉县2020年政府工作报告， https：//m.sohu.com/a/364589910_740774，2020-1-3.

[3]徐克.基于价格分解的鲜活农产品短期价格预测模型[D].中国农业科学院研究生论文，2016-5-1.

[4]王文晶.基于数据挖掘的玉米市场价格预测[D].青岛大学研究生学位论文，2017-5-26.

[5]张荣臻，胡坚.基于Dropout神经网络的农产品价格预测研究[J]，数字技术与应用，2018，36（9）：49-51.

[6]贾宁，郑纯军.基于LSTM-DA神经网络的农产品价格指数短期预测模型[J].计算机科学，2019，31（s2）：62-65，71.

[7]David Runelhart，Geoffrey Hinton. Error Back Propagation Training， The meeting，1986.

[8]阿培丁.機器学习导论[M].机械工业出版社，2009.

基金项目：宁夏师范学院校级科研项目资助（NXSFYB2006）。

作者简介：白伟（1984-），男，宁夏中宁人，副教授，硕士，研究方向为计算机技术。