中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于信号分解和深度学习的农产品价格预测 农业工程学报 2022,38 (24) 256-267
Position: Home > Articles > Agricultural product price prediction based on signal decomposition and deep learning Transactions of the Chinese Society of Agricultural Engineering 2022,38 (24) 256-267

基于信号分解和深度学习的农产品价格预测

作  者：
王润周;张新生;王明虎
单  位：
关键词：
农产品;价格预测;互补集合经验模态分解;时间卷积网络;双向序列到序列模型;长短期记忆网络
摘  要：
农产品价格的稳定对社会经济与农业发展有重要意义,但农产品价格的波动具有非平稳、非线性、波动性大的特性,较难精确预测.该研究基于信号分解和深度学习,提出一种分解-重构-提取-关联-输出的农产品价格预测模型(CT-BiSeq2seq),并且加入平均气温、养殖成本(大猪配合饲料与尿素价格)、群众关注度等多维度数据来提高模型的预测精度.首先,采用互补集合经验模态分解(Complementary Ensemble Empirical Mode Decomposition,CEEMD)方法把复杂的原始价格序列分解为简单序列.其次,分析皮尔逊相关系数及分解后的子序列,把原始价格序列重构为高频项、低频项、残差项.再经过时间卷积网络(Temporal Convolutional Network,TCN)提取重构序列的数据特征.随后,构建Biseq2seq模型,解码器引入双向长短期记忆网络(Bi-directional Long Short-Term Memory,Bi-LSTM)加强序列数据间的全局关联.最后,通过解码器的LSTM网络输出预测值.以北京丰台区批发市场的白条猪肉价格进行实证分析,该研究提出的CT-BiSeq2seq模型的预测性能显著优于其他价格预测基准模型,在滞后天数为11 d达到最优效果.在其他数据集也有精确和稳定的预测效果,菠菜、苹果,鸡蛋的均方误差分别为0.6277、0.4632、0.5526元2/kg2,平均绝对误差分别为0.5431、0.4425、0.5339元/kg,平均绝对百分比误差分别为3.2047%、2.2361%、2.2314%.同时根据不同数据集的结果发现,价格波动大的农产品适合采用较大的滞后天数,价格波动小的农产品适合采用较小的滞后天数.该模型可以为预测农产品的价格波动提供参考.
译  名：
Agricultural product price prediction based on signal decomposition and deep learning

相似文章

导出引用
计量
文章访问数: 20
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46