陕西省畜牧业总产值组合预测模型研究基于Shapley值

发布时间：2021-01-25 16:20

　　依据组合预测模型理论,利用2006-2016年陕西省畜牧业总产值的数据,分别建立了畜牧业产值的一元回归模型、BP神经网络模型、三次指数平滑模型和基于Shapley值的组合预测模型,得到各模型的预测精度分别为7.38%、4.46%、3.50%和2.90%,可见组合模型的拟合精度低于各单一模型,拟合效果好.为此,利用所得模型对2017-2025年陕西省畜牧业总产值进行了预测. 

【文章来源】：数学的实践与认识. 2020,50(16)北大核心

【文章页数】：9 页

【部分图文】：

图１畜牧业－ｔ元固归模型拟合值与实际值对比??２．１．２?ＢＰ神经网络模型??

上?Ｌ—ｈｒ－＊?－＝ｇｓ＞??层与第二层的权重??叫ｆｃ为??＾ｊｋ?＝??＝１．２７９０?－０．０９１３?１．８９２２??－０．８９０５??０．３６８３??０．５４３４??－１．７６７４??－３．５１９２??第二层与第三层的阈值淑为??对２?＝?０．７１２：２??经过训练，在达到训练误差和最大训练次数时，ＢＰ神经网络拟合值如表２所示；ＭＡＰＥ??为０．〇３Ｓ，?ＭＳＰＥ为０，．０１３３（如表３中第３列所示），此模型可用于陕西省畜牧业产值的预测和??分析，ＢＰ神经网络的拟合结果如图２所录??图２畜牧业ＢＰ神经两络模型拟＃偉智寒勝傢对比??

好等于总的误差待摊值．??根据得到的及、馬、Ｅ３和权重公式＜４），可得各单一预测方法的权重为??ｔｅ＝（Ｑ．ｍ７?０．４０２２?０．３７２１）．??根据公式（１）和求得的权重ｗ可得畜牧业产值的组合预测模型为：??备＝０．２２５７灸＊？＋?０．４０２２兩?ｔ?十?（２１）??式中，灸为基于Ｓｈａｐｔｅｙ值怯的畜牧业组合预测值；如为回归模型预测值＾知为ＢＰ神经网??络模型预测值，为３次指数Ｔ？滑预测值．??利用该组合预测模型对２００＆－２０１６年的陕西省畜牧业产值进行拟合，拟合结果如图４所??示，对应的组合预测模型的拟合值与误差如表５所示．??图４審牧业：组舍窗浦模型拟合懈１ｒ：ｉ；际懷对比??

【参考文献】：
期刊论文
[1]基于BP神经网络和支持向量机的农用地分等方法研究[J]. 范胜龙,邱凌婧,茹凯丽,陈巧燕,胡勇.  中国农业大学学报. 2018(12)
[2]基于Shapley值法的猪肉供应链利益分配机制研究[J]. 黄勇.  农业技术经济. 2017(02)
[3]基于时间序列的黑龙江省畜牧业总产值及其比例的预测[J]. 何玲,张燕杰,吕晓燃,马晓剑,郑煜,张国财.  黑龙江畜牧兽医. 2016(24)
[4]基于ADRL模型的畜牧业产出趋势分析——以陕西省为例[J]. 张英.  黑龙江畜牧兽医. 2016(02)
[5]基于密度算子的组合预测方法[J]. 易平涛,郭亚军,李伟伟.  预测. 2011(04)



本文编号：2999527