林在超

（北方工业大学信息学院，北京 100144）

0 引言

预测技术被广泛应用于股票预测、楼盘预测中，但对农产品的预测却比较少。针对农作物季节性特点，通过分析不同的农作物价格，采用比较常用的预测模型——ARIMA并加以改进，用于农产品价格预测，以便更好地掌握农产品价格走势情况，从而为农产品供应和分配提供决策支持。

1 相关工作

为了解决现实生活中的预测问题，自20世纪70年代Box和Jenkins［1］提出了一种时间序列的预测方法之后，ARIMA发展并逐渐被广泛应用；同时为了获得更好的预测效果，广大的研究人员开始在经典的ARIMA上加以改进。2018年，刘艳菲等［2］提出了应用一阶滞后滤波的序列重构方法结合ARIMA模型，有效的抑制了周期性和随机性的干扰，通过比较改进前后的模型预测效果表明，改进后的ARIMA有更好的模型适应性和预测精度；2020年，闵盈盈［3］通过等距节点公式在一段时间上进行数据近似计算从而对ARIMA模型改进，相比改进前的ARIMA模型和指数平滑预测模型，预测精度确有所提高；2021年，张文华［4］在ARIMA建模的数据预处理阶段通过对原数据进行对数变换以提高残差数据的方差齐性，实验表明该模型在短期预测时有较高的精度。本文在深入理解ARIMA原理的基础之上，通过一种区别于传统预测训练流程的方式进行ARIMA建模，并应用到农作物价格数据的预测，从而为农业领域的预测提供技术支撑。

2 ARIMA模型设计及实现

2.1 ARIMA模型及建模流程

ARIMA全称差分自回归移动平均模型（auto regressive integrated moving average），是由AR和MA两个模型组成的。……