王晓蕾，张艳，柳平增，温孚江，郑勇，王刚

(1. 山东农业大学信息科学与工程学院，山东泰安，271000； 2. 山东省现代农业农村发展研究中心，济南市，250100；3. 德州市陵城区农业农村局，山东德州，253500)

0 引言

我国是世界上最大的苹果生产国和消费国，苹果已成为部分农民增收致富的支柱产业，受供求、季节和自然灾害等因素的影响，苹果市场价格波动愈发显著，价格波动直接影响着苹果产业从业者的收益。开展苹果市场价格的短期预测，对果农规避市场风险，以及对稳定农业生产、平衡物价水平、保障消费者福利水平至关重要，也是制定农业产业政策、维护市场健康发展的重要依据。

从农产品价格预测方面来看，学者们主要从两个方面进行了探讨：一是基于传统的时间序列、神经网络以及机器学习等单个模型进行预测；二是使用组合模型进行农产品价格预测。单模型方面，早期的农产品价格预测方法主要为时间序列预测，因ARIMA能较好的拟合时间序列，因此多采用ARIMA系列模型进行价格预测[1-3]。ARIMA模型未能完全提取季节因素特征，利用季节分解方法剔除季节因素后[4]，再利用非平稳时间序列模型进行预测分析能得到更好的预测结果[5]；神经网络的自学习以及可灵活考虑多输入因素等特点[6-8]，能充分考虑影响价格的种植面积、产量及自然灾害因素，近几年被广泛应用于农产品价格预测[9]。组合模型方面，与神经网络中的各类模型相结合的组合模型，在价格预测模型中扮演着越来越重要的角色[10-13]。……