本發明涉及數據挖掘及機器學習,具體為一種基于組合模型的雞蛋價格預測方法。
背景技術:
1、雞蛋具有豐富的營養價值,含有人體所必需的蛋白質、脂肪、膽固醇等營養物質和微量元素,是人體攝入蛋白質的重要來源。由于雞蛋價格波動頻繁、波動幅度大,且受多種因素影響,包括季節性需求變化、養殖業生產水平、飼料成本、市場供應鏈等,因此準確預測雞蛋價格的變動趨勢對于農民、批發商、零售商和消費者來說都具有重要意義。根據現有的公開的價格數據顯示,全國雞蛋集市價格在2019年10月份時達到最高價,為12.48元/kg,最低時為4.66元/kg,波動幅度高達168%。雞蛋頻繁的價格波動不僅導致養殖戶收入不穩定,也影響行業決策和投資,影響消費者生活質量和社會經濟穩定。因此,深入研究我國蛋雞產業市場發展,及時、準確把控全國雞蛋價格的未來走勢,預測具體價格,為生產管理者和市場提供決策支持,具有重要意義。
2、近些年來,隨著深度學習技術的快速發展,價格預測被引入作為許多農產品價格問題的研究。許多研究者們對農產品價格預測提出了不同的預測方法。針對農產品價格序列進行預測的方法主要分為以下兩類:第一類是傳統時間序列模型,主要包括移動平均法、自回歸移動平均法、指數平滑法等;第二類是神經網絡模型,主要包括卷積神經網絡(cnn)、循環神經網絡(rnn)以及長短期記憶網絡(lstm)等。然而,由于雞蛋的價格受到季節因素、節假日及突發事件的影響從而會產生較大的價格波動,利用上述兩類單一價格預測模型技術無法同時捕捉雞蛋價格序列中的季節性成分、非平穩性成分,即難以準確捕捉雞蛋價格的波動規律。因此,設計準確有效的基于組合模型的雞蛋價格預測方法,能為養殖業實現智能化生產和銷售提供重要的技術支持。
技術實現思路
1、(一)解決的技術問題
2、針對現有技術的不足,本發明提供了一種基于組合模型的雞蛋價格預測方法,能夠解決上述技術問題。
3、(二)技術方案
4、為解決上述技術問題,本發明提供如下技術方案:一種基于組合模型的雞蛋價格預測方法,包括以下步驟:
5、s1:采集雞蛋價格數據,以形成雞蛋價格的原始序列;
6、s2:利用時間序列季節性分解算法stl將原始序列分解為趨勢分量、季節分量以及剩余分量;
7、s3:構建雞蛋價格預測的組合模型,組合模型包括三個不同的預測模型:第一預測模型、第二預測模型以及第三預測模型;
8、s4:將趨勢分量輸入第一預測模型以得到趨勢預測值,將季節分量輸入第二預測模型以得到季節預測值,以及將剩余分量輸入第三預測模型以得到剩余序列預測值;
9、s5:將趨勢預測值、季節預測值、剩余序列預測值三者進行相加求和以得到雞蛋價格的最終預測值。
10、優選地,第一預測模型為支持向量機回歸svr模型。
11、優選地,第二預測模型為季節性自回歸差分移動平均sarima模型。
12、優選地,第三預測模型為長短期記憶網絡lstm模型。
13、優選地,在步驟s2之后還包括步驟s2a:對趨勢分量、季節分量以及剩余分量進行歸一化處理。
14、優選地,在步驟s2a之后還包括步驟s2b:構建數據集。
15、優選地,在步驟s5之后還包括步驟s6:對組合模型進行評估。
16、優選地,在步驟s6中,具體選取均方根誤差和平均絕對百分比誤差作為評價指標以對組合模型進行評估。
17、優選地,在步驟s1中,具體選取中國畜牧業信息網和全國農產品商務信息公共服務平臺收集的全國雞蛋集市的月度價格數據。
18、優選地,在步驟s1中還包括對原始序列進行數據分析。
19、(三)有益效果
20、與現有技術相比,本發明提供了一種基于組合模型的雞蛋價格預測方法,具備以下有益效果:本發明利用stl將雞蛋價格的原始序列分解為三個成分:趨勢分量、季節分量以及剩余分量,進一步利用三個不同的預測模型分別對三個成分進行預測,通過季節性分解和組合模型,本發明能夠改善現有單一預測模型中無法同時捕捉雞蛋價格序列中的季節性成分、非平穩性成分的缺陷,即準確捕捉雞蛋價格的波動規律,以使得本發明能夠實現對雞蛋未來短期價格的準確預測,從而更好地為農民、批發商提供決策支持和市場洞察,以促進雞蛋產業的可持續發展和供需平衡。
1.一種基于組合模型的雞蛋價格預測方法,其特征在于,包括以下步驟:
2.根據權利要求1所述的基于組合模型的雞蛋價格預測方法,其特征在于:所述第一預測模型為支持向量機回歸svr模型。
3.根據權利要求1所述的基于組合模型的雞蛋價格預測方法,其特征在于:所述第二預測模型為季節性自回歸差分移動平均sarima模型。
4.根據權利要求1所述的基于組合模型的雞蛋價格預測方法,其特征在于:所述第三預測模型為長短期記憶網絡lstm模型。
5.根據權利要求1所述的基于組合模型的雞蛋價格預測方法,其特征在于:在所述步驟s2之后還包括步驟s2a:對所述趨勢分量、所述季節分量以及所述剩余分量進行歸一化處理。
6.根據權利要求5所述的基于組合模型的雞蛋價格預測方法,其特征在于:在所述步驟s2a之后還包括步驟s2b:構建數據集。
7.根據權利要求1所述的基于組合模型的雞蛋價格預測方法,其特征在于:在所述步驟s5之后還包括步驟s6:對所述組合模型進行評估。
8.根據權利要求7所述的基于組合模型的雞蛋價格預測方法,其特征在于:在所述步驟s6中,具體選取均方根誤差和平均絕對百分比誤差作為評價指標以對所述組合模型進行評估。
9.根據權利要求1所述的基于組合模型的雞蛋價格預測方法,其特征在于:在所述步驟s1中,具體選取中國畜牧業信息網和全國農產品商務信息公共服務平臺收集的全國雞蛋集市的月度價格數據。
10.根據權利要求1所述的基于組合模型的雞蛋價格預測方法,其特征在于:在所述步驟s1中還包括對所述原始序列進行數據分析。