基于长短时记忆神经网络的生猪价格预测模型
2021-03-16刘怡然王东杰邓雪峰刘振宇
江苏大学学报(自然科学版) 2021年2期
刘怡然, 王东杰, 邓雪峰, 刘振宇
(1. 山西农业大学 信息与电气工程学院, 山西 晋中 030801; 2. 中国农业科学院 农业信息研究所, 北京 100081)
近年来,生猪价格市场的异常波动受到社会舆论的广泛关注,及时准确地掌握生猪价格的变化趋势对确保农产品市场平稳健康发展有重要意义.如果能够对生猪价格进行预测,决策者能够合理地调控生猪市场价格,养殖户也可据此调整圈舍中仔猪、种猪和育肥猪存栏量,因此,生猪价格预测成为研究者密切关注的领域.
早期的生猪价格预测模型结构相对单一,模型泛化能力较差,预测精度难以保证[1].随着计算机计算能力的提升,生猪价格预测模型的复杂程度越来越高,从单一的灰色系统模型、向量自回归模型、神经网络模型等趋于日渐复杂的组合模型[2-3].LI Z. M.等[4]以生猪历史价格为依据,将遗传算法优化的混沌神经网络用于生猪价格的短期预测,能够预测20 d的生猪价格.任青山等[5]将多元回归分析和反向传播神经网络(back propagation neural network, BPNN)结合,提高了生猪价格预测的准确性和可靠性.然而,生猪价格存在伪周期现象,即生猪价格周期是重复出现的,但又不是完全重复,采用固定序列长度对生猪价格进行预测并不十分合适[6-7].为了解决这一问题,姜百臣等[8]引入集成经验模态分解(ensemble empirical mode decomposition, EEMD)方法剖析“猪周期”价格波动原理,并结合遗传算法(GA)优化的支持向量机(SVM)建立了生猪价格预测模型.LIU Y. R.等[9]设计了一种相似子序列搜索算法并将其与支持向……
登录APP查看全文