基于BP神经网络的马铃薯价格预测.pdf

1、基于 BP 神经网络的马铃薯价格预测白伟 李凤英摘要：宁夏西吉县是国家级贫困县，特色农产品有马铃薯、冷凉蔬菜、肉牛、羊、杂粮等，马铃薯为支柱产业享誉国内外。以西吉县新营乡马铃薯批发市场 2016/10/17-2020/2/2 三种马铃薯每日交易价格共 2894 个数据样本为例。利用 BP 隐层神经网络理论与Matlab 人工神经网络工具箱构建预测模型，对销售价格进行短期预测，并利用 MAE、MAPE、MASE 评价指标检验显示结果良好，能够为政府稳定市场、提高农户收入做出科学判断依据，同时为其他农产品价格预测提供理论与实操可信参考。Abstract：Xiji County，Ningxia is

2、 a national poverty-stricken county.The specialtyagricultural products include potatoes，cold vegetables，beef cattle，sheepand miscellaneous grains.Potato is a well-known industry at home and abroad.Taking the potato wholesale market of Xinying Township in Xiji County from2016/10/17-2020/2/2 with a to

3、tal of 2894 data samples as an example，thispaper uses the theory of hidden layer of BP neural network and Matlab neuralnetwork toolbox to build prediction model of short-term prediction on theselling price，and the MAE，MAPE，MASE evaluation index shows goodresults，which can make scientific judgment fo

4、r raising the income of farmersand stabilizing market price，and provide credible theoretical and practicalreference for other agricultural product price forecast.关键词：BP 神经网络;马铃薯;预测Key words：BP neural network;potato;forecast中图分类号：O212.9文献标识码：A文章编号：1006-4311（2020）15-0201-030引言中国是农业大国，促进农业的可持续发展是提高农户收入

5、及生活水平的重要途径。以宁夏西吉县为例，国家级贫困县总人口 49.6 万1，农业人口 42.5 万占 85.69%是宁夏人口、农业第一大县。在“精准扶贫”模式下，贫困人口从 2015 年的 27%下降至 2019 年的1%，脱贫效果显著，目前巩固成果中。特色农产品有马铃薯、冷凉蔬菜、肉牛、羊、杂粮等，尤其马铃薯是支柱产业是该地农民精心选留与自然选择的结果，被誉为“金豆豆”、“中国马铃薯之乡“，优质马铃薯种植面积最高可达到 120 万亩，2019 年种植 81 万亩，平均产量达 1768.2 公斤/亩2。销售周期可达七到八个月时间，从种植、贮藏、加工再到外销，西吉县马铃薯产业正在形成一套完整的产

6、业链条。增加农民收入直接反映在农产品销售价格上，确保农产品价格平稳运行一直是中国政府高度关注的重点，也是宏观调控的难点，由于农产品上市周期不同，价格存在较大波动，如何精准、实时地进行农产品价格的短期预测，更是学术界长期不断探索的研究领域。从已有文献看，国内外学者对农产品短期价格时间序列进行预测的方法有许多。近几年的研究有，徐克3以统计学习理论、西方经济学、计量经济学、农业信息分析学为基础，采用时间序列分析预测方法、经验模态分解方法、希伯特-黄转换法、支持向量回归模型和组合模型预测等方法，结合实际问题进行实证分析，将农产品价格进行分解，并對分解后的结果进行深入分析，探究其背后的意义。王文晶4借助

7、 R 工具，通过分析建立时间序列模型、神经网络模型，选用 AR（1）、ARIMA（1，1，1）、ARIMA（2，1，3）、多重季节 MA 模型 ARIMA（2，1，3）、季节模型 ARMA（2，0，2）等模型进行预测。张荣臻5建立 Dropout 神经网络，进行农产品价格预测。贾宁6等根据农产品价格特点，设计了一种 LSTM-DA（Long Short-Term Memory-Double Attention，双重注意力机制与长短期记忆网络融合）神经网络模型，它将卷积注意力网络（Convolutional NeuralNetworks，CNN）、长短期记忆网络（Long Short-Term

8、Memory，LSTM）和注意力机制相结合，针对不同成分的影响因子通过卷积注意力网络进行特征提取，进行农产品价格指数的短期预测。1理论基础1.1 BP 神经网络BP 神经网络7是目前为止最为成功的神经网络算法之一，其学习方式采用标准梯度下降的误差逆传播（Error Back Propagation）的方式，以下介绍的 BP 神经网络为 3 层前馈神经网络，如图 1 所示，定义如下：给定训练集即输入数据纬度为 d，输出的数据纬度为 l。假设神经网络有 d 个输入节点，l 个输出节点，隐层有 q 个神经元，输出层第 j 个神经元阈值为？兹 j，第 h 个隐层神经元阈值为？酌 h。输入层第 i 个节

9、点与隐层第 h 个节点之间的权重为 vih，隐层第 h 个节点与输出层第 j 个节点的权重为 wih。根据以上假设可以有如下公式：激活函数为;隐层第 h 个神经元接收到的输入为;隐层第 h 个神经元的输出为;输出层第 j 个神经元接收到的输入为;输出层第 j 个神经元的输出。由以上 5 个公式可知，神经网络之中只要（d+l+1）q+l 个参数确定，则就可以由输入计算出输出，这些参数分别为输入层到隐层权重 dq 个，隐层到输出层权重 ql 个，隐层神经元阈值为 q 个，输出层神经元阈值为 l 个。1.2 模型评价标准人工神经网络预测三大评价指标分别为 MAE、MAPE、RMSE8，假设预测值为，

10、真实值为，则评价指标定义如下：MAE（Mean Absolute Error），平均绝对误差，是绝对误差的平均值，平均绝对误差能更好地反映预测值误差的实际情况。范围0，+），当预测值与真实值完全吻合时等于 0，即完美模型;误差越大，该值越大。（1）MAPE（Mean Absolute Percentage Error），平均绝对百分比误差，真实值范围（0，+），MAPE 为 0%表示完美模型，MAPE 大于 100%则表示劣质模型。当真实值有数据等于 0 时，存在分母 0 除问题，该公式不可用。（2）RMSE（Root Mean Square Error），均方根误差，范围0，+），当预测值与

11、真实值完全吻合时等于 0，即完美模型;误差越大，该值越大。（3）2实证分析2.1 数据来源西吉县新营乡马铃薯批发市场是宁夏马铃薯最大交易市场，品种主要是以青薯 9 号、陇薯 7 号、青薯 168 三种为主，其中陇薯 7 号为新引进品种 2018 年 10 月份上市，每天定时发布交易价格，数据同步上传在中国马铃薯网（http：/ 2016/10/17-2020/2/2 青薯 9 号与青薯 168 交易单价（各 1204 个），2018/10/18-2020/2/2 陇薯 7 号交易单价（486 个），共 2894 个样本数据，每日价格波动如图 2 所示（单位元/公斤）。2.2 预处理将样本数据分

12、为训练数据、预测数据、验证数据三类。训练数据主要用于模型构建，调整相关参数，使得模型达到预测要求。预测数据是模型建构完成后预测的数据，验证数据则是真实数据。通过验证数据与预测数据的对比分析，做出结论。马铃薯的价格波动受各种因素合力决定，例如种植面积、季节、销售周期等，西吉马铃薯已经过市场经济多年检验，样本数据周期单位为天，属于高频、高密度数据，明显优于周期为周、月、年等数据，更有利于分析与验证，价格本身已包含并体现着这些综合因素的影响，故样本数据用时间序列预测模式排列，用前期价格来预测后期价格，影响因素不再考虑。2.3 模型构建Matlab 中包含神经网络工具箱，因此使用 Matlab（版本

13、R2018b）软件进行 BP 神经网络模型构建预测模型。根据隐层 BP 神经网络理论及结构，构建多隐含层模型，多隐含层泛化能力强，预测精度高。选择 Matlab 神经网络工具箱中的 newff 函数可方便构建多隐含层预测模型，通过编写程序先进行数据选择与归一化处理，接着利用 newff 函数进行预测处理输出，并计算 MAE、MAPE、RMSE 进行误差检验。2.4 预测分析青薯 9 号前 1104 个交易日价格为训练数据，预测后 100 个交易日数据，预测值与真实值对比如图 3 所示。青薯 168 前 1104 个交易日数据为训练数据，预测后 100 个交易日数据与真实值对比如图 4 所示。陇

14、薯 7 号选择前 450 个交易日数据为训练数据，预测后 36 个交易数据，预测与真实值对比如图 5 所示。2.5 评价指标分析三个品种的马铃薯预测数值与真实值误差分析 MAE、MAPE、RMSE 统计表 1 所示，结果都趋于 0，预测效果好。柱形图如图 6 所示。3结论本文建立了多隐层 BP 神经网络预测模型，通过训练、预测、检验，保证了预测模型的高效性和可靠性，整体预测效果优异，能够为西吉马铃薯短期价格预测提供科学参考，同时为其他农产品价格预测提供可信参考。参考文献：1百度百科.西吉县，https：/ 2020 年政府工作报告，https：/ Dropout 神经网络的农产品价格预测研究J，数字技术与应用，2018，36（9）：49-51.6贾宁，郑纯军.基于 LSTM-DA 神经网络的农产品价格指数短期预测模型J.计算机科学，2019，31（s2）：62-65，71.7David Runelhart，Geoffrey Hinton.Error Back Propagation Training，Themeeting，1986.8阿培丁.機器学习导论M.机械工业出版社，2009.基金项目：宁夏师范学院校级科研项目资助（NXSFYB2006）。作者简介：白伟（1984-），男，宁夏中宁人，副教授，硕士，研究方向为计算机技术。