首发版(冬季蔬菜大全)
基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究
谵舸1,2,清秀的白开水1,2,3 *,单身跳糖1,2,3 )1.北京市农林科学院,北京100097; 2、国家农业信息化工程技术研究中心,北京100097; 3 .农业农村地区农业信息技术重点实验室,北京100097 )
摘要:蔬菜是居民生活饮食的重要组成部分,蔬菜价格预测存在价格波动幅度大、影响因素复杂多样、精度不高等难点。 本研究以黄瓜为研究对象,分析了影响黄瓜价格的供给、需求、流通等因素,引入Lasso回归模型筛选了影响因素,得到了12个关联度较大的因素。 在此基础上,建立基于影响因素的Lasso回归方法和BP神经网络相结合的组合模型(L-BPNN ),展开黄瓜短期价格预测,建立Lasso回归模型、BP神经网络模型、RBF神经结果表明,用L-BPNN模型预测黄瓜价格,平均相对误差最小,为0.66%,分别比Lasso回归模型、BP神经网络模型、RBF神经网络模型小64.52%、88.52 % 本研究结果可实现黄瓜短期价格预测,推广到其他蔬菜品种,对保障蔬菜农户收入、稳定蔬菜市场价格等具有重要意义。
关键词:蔬菜; 影响因素; 价格预测; 组合模型; Lasso回归方法; BP神经网络; 射频神经网络
点击直通知网阅读: https://KNS.cn Ki.net/KCMS /详细信息/10.1681.s.20201117.1107.002.html? uid=weevrecwsljhsldsdmvqm 1蓝牙5nd LK v2 VZukdnnmn0CVZC WMHWVU4WCZ0=$ 9a4hf _ yau VQ5ObgvaQN Cycejkensw4iqmovwhtwkf4Vypohbkxjjkensw 4 v=mdcynzewq0x Mn1i3 cwr ak2r1rnlebfzmn 05 jvnc 9超低压q3rzritkhocm 81 SF PPC1bzdzlnem1sbjzqntdum2zscvdn
引文格式:
诼舸,清秀的白汤,基于xfdjr.Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究[J/OL] .智慧农业(中英语) :1-10(2020-11-19 ).http://KNN
文章的照片
图1 2010—2018年全国黄瓜月度价格走势图
fig.1 monthlypricetrendofcucumbersinchinafrom 2010 to 2018
图2 L-BPNN结构图
fig.2 l-BPNN结构诊断程序
图3 L-BPNN模型与其他3种模型预测结果的相对误差的比较
fig.3 comparisonoftherelativeerrorofthepredictionre (SultSBetweenthel-BPNNModelandtheotherthreemodels
表1 Lasso回归模型变量的选择和参数估计
表1可变选择和参数化关系模型
表2 L-BPNN组合模型的预测结果
表2精度结果软件- bpnncombinedmodel
作者的个人资料
清秀的白汤研究员
清秀白汤、博士、研究员、北京农业信息技术研究中心副主任、国家大宗蔬菜产业技术体系智能化管理岗位科学家、农业农村“全国农业科教云平台”首席专家、农业农村农业信息软硬件产品质量检测重点实验室副主任、科技部数字乡村领域技术预测专家组长、 中国人工智能学会专业委员会秘书长、国家自然基金项目评审专家、北京农业信息化学会监事,先后获得hdsdsb、北京市优秀人才、北京市优秀青年知识分子等荣誉称号,2008、2016年分别是北京市农林科学院“农业智能系统”“农业信息化标准研究”创新团队首席。 主要围绕农业智能系统和无线传感器网络技术开展多学科交叉研究,在智能农业中无线传输网络核心理论、农业大数据智能服务、农业复杂云平台的构建与应用等方面取得了许多科研成果:国家科技进步奖2等奖1项,省部级科技先后主持国家和省部级项目75个项目的北京市地标1个、发明专利34个、实用新型专利19个、软件著作权登记193个、发表论文280余篇、合着出版着5篇,为北京市和全国现代农业发展提供了有效的科技支持,研究成果我国