基于改进的LSTM化肥价格预测

发布时间：2021-12-19 10:53

　　在所有的农业生产资料当中,化肥一直占据着举足轻重的地位,它有增加农作物的产量、提高土壤肥力等功效,在农业生产支出中占有较大的比重。化肥价格的过大波动会降低农户降肥的积极性,减少化肥的使用,进而影响农作物的产量,土壤肥效和农产品的质量。这不仅会降低农民的收入,而且还会对我国的农业生产产生不利影响,降低我国农产品在国际经济中的竞争能力。因此准确预测化肥价格,能有效地避免过大的化肥价格波动,稳定我国的粮食市场。本文首先深入研究了化肥价格变化的影响因素和化肥价格预测面临的问题,通过对比传统的线性预测方法、经典的神经网络算法和支持向量机算法三种常用的价格预测方法,从而提出基于长短时记忆（LSTM）单元的递归神经网络（RNN）模型,该模型能有效利用序列数据长距离依赖信息的能力,充分挖掘序列数据背后隐藏的规律,进行短期价格时间序列预测。进一步在此基础上对长短期记忆神经网络算法利用拟牛顿法进行效率上的改进。其次在实验仿真阶段,以江苏省近十年来尿素化肥价格数据为实验对象,对实验数据进行数据清洗,并将时间序列问题转化为有监督问题。接着建立了基于改进的长短期记忆神经网络模型,采用均方误差（MSE）作为评价指... 

【文章来源】：中国科学技术大学安徽省 211工程院校 985工程院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图２．１?ＭＰ神经元??

Ｘｉ?ｘ２?Ｘｄ??图２．２?ＢＰ神经网络??如图２．２所示，这是一个仅包含一个隐藏层的ＢＰ神经网络，它是由一个输??入层，一个输出层和一个隐藏层组成，其中＼＝｛＼１，乂２，．．．，乂￡１｝是一个１＞＜＜１维的向量，??它表示神经网络的一个输入，也就是说输入的特征为ｄ个，相应的输入层神经元??个数也为ｄ个。向量１？＝｛１），，１）２，．．．上￡１｝表示隐藏层的输出，隐藏层由９个神经元组??成，所以ｂ是ｑ维的向量。向量ｙ＇?＝｛ｙｒ，ｙ２＇，．．．，ｙｎ］表示神经网络的ｎ维输出。??其中训练数据集是由输入和标签组成，数据集Ｄ＝｛（ｘｉ，ｙｉ），（Ｘ２，ｙ；〇，．．．，（ｘｍ，ｙｍ）｝。图??中神经元之间的连接线段表示层与层之间的连接权重

看一下循环神经网络的原理。??络??ＳＶＭ模型都存在一个共同的问题，那就是信出这个方向，每次的输入也都是独立的，也就于当前的输入。虽然这样的网络模型简单，明显，那就是无法考虑前后时刻输入或者输出能力，这就使得人工神经网络和支持向量机模序列的问题上表现不足。针对人工神经网络和支家提出了循环神经网络，循环神经网络是一种带环神经网络它的输入不仅仅有当前时刻的输入，息或者说是状态信息，形成一个具有环路的神具有短期的神经网络，这会在下文中介绍。下图构图。??

【参考文献】：
期刊论文
[1]中国化肥农药施用总体特征及减施效果分析[J]. 谢邵文,杨芬,冯含笑,韦朝阳.  环境污染与防治. 2019(04)
[2]循环神经网络研究综述[J]. 杨丽,吴雨茜,王俊丽,刘义理.  计算机应用. 2018(S2)
[3]化肥对中国粮食产量变化贡献率的研究[J]. 麻坤,刁钢.  植物营养与肥料学报. 2018(04)
[4]不同土地利用方式下土壤养分和重金属元素垂直分布特征[J]. 梁玉峰,谭长银,曹雪莹,何其辉,朱上游,谢雨呈,代兵.  环境工程学报. 2018(06)
[5]农户有机肥施用意愿及前景[J]. 肖阳,于向鸿,田尧甫,朱立志.  农业展望. 2018(04)
[6]基于正则化LSTM模型的股票指数预测[J]. 任君,王建华,王传美,王建祥.  计算机应用与软件. 2018(04)
[7]基于LSTM循环神经网络的故障时间序列预测[J]. 王鑫,吴际,刘超,杨海燕,杜艳丽,牛文生.  北京航空航天大学学报. 2018(04)
[8]基于极性转移和LSTM递归网络的情感分析[J]. 梁军,柴玉梅,原慧斌,高明磊,昝红英.  中文信息学报. 2015(05)
[9]基于门限自回归的我国羊肉价格波动分析[J]. 刘玉凤,王明利,石自忠.  广东农业科学. 2014(17)
[10]基于SVR的非线性时间序列预测方法应用综述[J]. 陈荣,梁昌勇,谢福伟.  合肥工业大学学报(自然科学版). 2013(03)

硕士论文
[1]基于BP神经网络的北京市二手房交易价格预测研究[D]. 李圆圆.首都经济贸易大学 2018
[2]基于长短期记忆模型的期货价格预测[D]. 李科嘉.中国科学技术大学 2018
[3]基于SSM框架的B2C网上商城系统的设计与实现[D]. 陈峰.湖南大学 2018
[4]大规模网络事件热度预测系统的设计与实现[D]. 苏晨吉.哈尔滨工业大学 2017
[5]基于SVM的黄金价格预测模型及其参数优化[D]. 曹旭.山东大学 2017
[6]水果市场价格预测与波动预警研究[D]. 李俊青.华中农业大学 2015
[7]基于BP神经网络的烟台苹果收购价格预测[D]. 于晓辉.北京交通大学 2012
[8]ARMA相关模型及其应用[D]. 安潇潇.燕山大学 2008
[9]中国化肥市场价格调控问题研究[D]. 李欣婷.合肥工业大学 2006
[10]基于时间序列分析的IP语音收入预测[D]. 王洋.吉林大学 2004



本文编号：3544287