基于改进RF-BPNN融合模型的农产品价格预测研究

发布时间：2024-04-16 04:43

　　农产品价格是影响人民生活水平的一个重要指标,是对广大消费者和劳动生产者在收支平衡上的一个重要反馈。因此,通过研究农产品价格的变化规律,从而对其进行准确预测。这无论是对政府和农业部门做出科学的决策,还是对维持农产品市场价格的稳定都具有重要意义。本文首先对传统农产品价格预测方法进行了论述,并在此基础上提出了自己的改进方法。传统农产品价格预测主要是基于时间序列预测、自回归以及机器学习等单模型的方法,而农产品价格数据大都具有复杂性和非线性等特点,所以传统农产品价格预测方法的准确性不高,模型的拟合能力较差。因此,本文提出了一种改进随机森林算法,通过计算决策树的AUC和相似度,对每棵决策树的投票能力进行加权,从而提高随机森林中预测效果好的决策树和相似度低的决策树的投票权重。实验结果表明,改进后的随机森林算法较传统随机森林算法在预测精度上提升了3%。然后考虑到随机森林算法的运行效率低下,本文将随机森林算法与Spark分布式计算框架进行结合,提出了一种基于Spark的并行随机森林算法(SP-RF)。具体做法是,针对在随机森林算法中每棵决策树的生成过程相互独立的特点,可以将生成决策树的计算任务放在Spa...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现况
        1.2.1 农产品价格国外研究进展
        1.2.2 农产品价格国内研究进展
    1.3 论文的主要内容及组织结构安排
        1.3.1 研究内容与方法
        1.3.2 论文的组织结构和章节安排
2 传统农产品价格预测方法
    2.1 时间序列
        2.1.1 时间序列概述
        2.1.2 时间序列的预测方法
        2.1.3 AR模型
        2.1.4 MA模型
        2.1.5 ARMA模型
        2.1.6 ARMA建模步骤
    2.2 机器学习算法
        2.2.1 决策树
        2.2.2 集成学习
        2.2.3 Bagging算法
        2.2.4 随机森林算法
    2.3 BP神经网络
        2.3.1 BP神经网络介绍
        2.3.2 BP神经网络算法原理推导
    2.4 本章小结
3 改进随机森林算法
    3.1 改进随机森林算法理论依据
    3.2 ROC和 AUC
        3.2.1 AUC的计算方法
    3.3 决策树相关系数的计算方法
    3.4 基于相似度的加权投票
    3.5 基于AUC的加权投票
    3.6 本章小结
4 SP-RF算法与改进RF-BPNN组合模型
    4.1 DIS数据索引抽样
    4.2 RFI随机特征索引
    4.3 SP-RF并行化流程
    4.4 SP-RF算法流程
    4.5 Stacking
    4.6 改进RF-BPNN组合算法
    4.7 本章小结
5 数据处理与实验分析
    5.1 数据来源
    5.2 数据预处理
    5.3 模型参数设置
        5.3.1 随机森林算法参数设置
        5.3.2 BP神经网络参数设置
    5.4 实验分析
        5.4.1 实验环境
        5.4.2 评价指标
        5.4.3 实验说明
    5.5 改进随机森林算法实验结果(实验一)
    5.6 SP-RF算法实验结果(实验二)
        5.6.1 实验环境
        5.6.2 实验数据
        5.6.3 实验结果
    5.7 改进RF-BPNN组合模型实验结果(实验三)
    5.8 本章小结
6 总结与展望
    6.1 研究总结
    6.2 论文的不足之处
参考文献
发表论文
个人简介
致谢



本文编号：3956465