典型文献
基于信号分解和深度学习的农产品价格预测
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
王润周;张新生;王明虎
作者机构：
西安建筑科技大学管理学院,西安 710055
文献出处：
引用格式：
[1]王润周;张新生;王明虎-.基于信号分解和深度学习的农产品价格预测)[J].农业工程学报,2022(24):256-267
A类：
BiSeq2seq,Biseq2seq,双向序列到序列模型
B类：
信号分解,农产品价格,价格预测,非平稳,波动性,精确预测,平均气温,养殖成本,配合饲料,多维度数据,互补集合经验模态分解,Complementary,Ensemble,Empirical,Mode,Decomposition,CEEMD,序列分解,单序列,皮尔逊相关系数,子序列,再经,时间卷积网络,Temporal,Convolutional,Network,TCN,数据特征,解码器,双向长短期记忆网络,directional,Long,Short,Term,Memory,序列数据,全局关联,输出预测,京丰,丰台区,批发市场,白条猪,猪肉价格,预测性能,后天,优效,菠菜,苹果,鸡蛋,均方误差,kg2,平均绝对误差,平均绝对百分比误差,价格波动,合采
AB值：
0.330745
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
