方 涛

（河北省地质大学，河北 石家庄 050030）

0 引言

随着国家政策的推广和中药材自身卓越的治疗效果，中药材市场由国内扩展至全球，需求量逐渐扩大，而中药材价格又受到其生长周期、需求周期、政策等多方面、多因素的影响，波动幅度较大，没有显著的线性变化趋势[1]。相比于常见的季节性农产品价格，中药材价格也没有明显的周期变化规律。以常见的名贵中药材人参为例，在2015年1月至2020年11月，价格最高为650元/kg，最低为280元/kg，变化幅度超过了130%，剧变的价格对于人参的种植和销售都会带来不良的影响。

人参的价格数据是一个复杂的包含线性变化、非线性变化的系统，很难将它确定为一种单纯的线性模型或者非线性模型，这一特性增加了预测的难度[2]。在此背景下，为了提高预测精度，提出一种 ARIMA-LSTM神经网络组合模型，分别对人参价格的线性、非线性成分进行预测。价格数据是按照时间的先后顺序收集的，可以将其视为时间序列数据，而中药材或是由于技术改良，导致成本降低，价格下降；或是需求量逐年增加，导致价格上升，这些都是线性变化成分，ARIMA模型广泛应用于确定的、线性的变化系统，使用ARIMA可得到线性变化趋势。原始数据减去ARIMA预测的线性部分，可得到只剩下非线性特征的残差数据，LSTM 神经网络具有映射任意非线性函数的能力，又因为其特殊的记忆单元、遗忘门等结构，擅长处理时间序列数据，对包含非线性特征的残差序列数据可得到一个良好的预测结果。……