基于混沌神经网络模型的我国蔬菜价格短期预测研究

发布时间：2017-04-12 00:09

  本文关键词：基于混沌神经网络模型的我国蔬菜价格短期预测研究，由笔耕文化传播整理发布。

【摘要】：蔬菜是我国居民日常生活的重要消费品，也是支撑农村经济发展的一个重要产业。蔬菜价格的波动关乎菜农收入和居民生活质量，而保持菜价稳定也成为政府的一项重要职责。近几年我国蔬菜价格大涨大跌现象频现，“蒜你狠、豆你玩、姜你军”等蔬菜价格异常波动事件给农民增收、居民生活、市场秩序和社会稳定造成了一系列的负面影响。如何对蔬菜市场未来的运行状况进行准确预测，以确保蔬菜市场的平稳运行、保障菜农收入和消费者生活的稳定，逐渐成为社会各界关注的热点和研究界研究的焦点之一。 为此，本研究以蔬菜市场价格短期预测研究为切入点，以期实现对蔬菜市场未来发展态势进行准确预测，以达到稳定蔬菜市场平稳运行的目的。论文在充分查阅国内外相关研究文献的基础上，针对目前研究中存在的不足，主要从以下几个方面开展研究：第一，全面梳理了国内外关于蔬菜价格短期预测的理论和方法，包括线性预测方法和以神经网络为代表的非线性预测方法，并分析各种方法的适用范围和优缺点；第二，系统研究了我国蔬菜市场价格波动特点及变动规律，在此基础上从生产和消费两方面对蔬菜价格波动的影响因素进行了分析；第三，应用智能信息分析技术，构建混沌神经网络模型，并以大白菜日度价格时间序列为样本数据，对其进行建模和预测分析，将所预测的结果与计量经济学预测模型--ARIMA模型预测结果进行比较。 通过研究，本文得到以下几点主要结论： （1）我国蔬菜价格波动幅度近年来有加剧的趋势，在蔬菜价格各个波动成分中，季节性波动对整个蔬菜价格波动的贡献率达到56.16%，影响最大；（2）混沌神经网络在蔬菜价格短期预测研究上无论是预测精度还是拟合效果均明显优于ARIMA模型，显示了其在处理非线性问题上的优势；（3）通过实证分析证明了以混沌神经网络为代表的人工智能模型在蔬菜价格短期监测预警中拥有广阔应用前景。 本文在神经网络模型应用和蔬菜价格短期预测研究方面，，取得了一定的成果，为人工智能方法在农产品价格短期监测预警中的应用展开了探索和尝试，但是也存在一些缺点和不足，在今后的研究工作中将继续致力于人工智能方法在蔬菜价格监测预警和控制优化领域的应用，期待为稳定农产品价格提供技术和政策支持。
【关键词】：蔬菜价格 混沌神经网络 短期预测
【学位授予单位】：中国农业科学院
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP183;F323.7
【目录】：

• 摘要6-7
• Abstract7-13
• 第一章 前言13-20
• 1.1 研究的背景与意义13-14
• 1.1.1 研究背景13-14
• 1.1.2 研究意义14
• 1.2 国内外研究现状14-17
• 1.2.1 农产品短期价格预测的传统方法14-16
• 1.2.2 基于神经网络模型的农产品短期价格预测智能方法16-17
• 1.3 研究方法与技术路线17-19
• 1.3.1 论文研究方法17-18
• 1.3.2 论文技术路线18-19
• 1.4 研究创新点与可能的不足19-20
• 第二章 我国蔬菜市场价格形势分析20-29
• 2.1 蔬菜价格波动研究方法20-21
• 2.2 蔬菜市场价格波动特点及规律21-23
• 2.2.1 我国蔬菜价格异常波动次数频繁，波动幅度越来越大21-22
• 2.2.2 具有明显的周期性和季节性波动特点，年度间具有逐年上涨的趋势22-23
• 2.2.3 季节波动对蔬菜价格波动的贡献率最大，周期波动次之，随机波动最小23
• 2.3 蔬菜市场价格波动影响因素分析23-29
• 2.3.1 我国蔬菜供给因素分析23-26
• 2.3.2 我国蔬菜需求因素分析26-29
• 第三章 蔬菜市场短期价格预测智能方法理论基础29-34
• 3.1 混沌理论29
• 3.2 人工神经网络理论29-32
• 3.2.1 人工神经网络概述29-30
• 3.2.2 人工神经网络的数学模型30-32
• 3.3 神经网络在农业经济领域的应用32-34
• 3.3.1 神经网络在农业经济领域应用的优势32-33
• 3.3.2 神经网络在农业经济领域的主要应用方向33-34
• 第四章 基于混沌神经网络的蔬菜价格短期预测模型构建研究34-37
• 4.1 混沌神经网络模型整体框架34
• 4.2 混沌神经网络的构建方法和步骤34-37
• 第五章 基于混沌神经网络模型的蔬菜价格短期预测实证分析37-46
• 5.1 研究对象的选择与预处理37
• 5.1.1 研究对象的确定37
• 5.1.2 样本选择与预处理37
• 5.2 混沌神经网络拓扑结构的确定37-40
• 5.2.1 混沌神经网络输入层节点数的选择38-39
• 5.2.2 混沌神经网络隐含层节点数的选择39-40
• 5.3 混沌神经网络模型的训练与构建40-43
• 5.3.1 混沌神经网络模型训练参数设定及结果40-42
• 5.3.2 混沌神经网络模型构建结果42-43
• 5.4 混沌神经网络仿真与预测结果43-46
• 5.4.1 混沌神经网络模型仿真结果43-44
• 5.4.2 混沌神经网络模型预测结果44-46
• 第六章 结论与建议46-49
• 6.1 研究结论46-47
• 6.1.1 我国蔬菜价格波动季节性因素影响明显，价格波动幅度越来越大46
• 6.1.2 混沌神经网络在进行短期预测方面明显优于传统计量经济方法46
• 6.1.3 混沌神经网络在蔬菜价格短期监测预警中用于广阔前景46-47
• 6.2 存在不足47
• 6.2.1 研究对象选择不够具体47
• 6.2.2 数据规模较少，一定程度上降低了模型预测的准确性47
• 6.2.3 没有对混沌神经网络模型在算法上进行不同的优化和比较47
• 6.2.4 未能建立适合于普通人员的 GUI 工具或预测系统47
• 6.3 建议47-49
• 6.3.1 集中优势资源尽快组建我国鲜活农产品价格监测预警系统47-48
• 6.3.2 建立完善的信息发布机制，发挥监测预警工作对农民、企业和政府的指导作用48
• 6.3.3 重视人工智能技术在农业领域的应用48-49
• 参考文献49-54
• 致谢54-55
• 作者简历55-56

【参考文献】

中国期刊全文数据库 前4条

1 郭强;罗长寿;魏清凤;;基于遗传算法神经网络模型的蔬菜价格预报[J];安徽农业科学;2011年26期

2 马雄威;朱再清;;灰色神经网络模型在猪肉价格预测中的应用[J];内蒙古农业大学学报(社会科学版);2008年04期

3 马成林,吴才聪,张书慧,杨印生,李洪伟,韩云霞;基于数据包络分析和人工神经网络的变量施肥决策方法研究[J];农业工程学报;2004年02期

4 张劲珊;谢祥添;;基于人工神经网络蔬菜价格预测[J];江苏商论;2011年04期

  本文关键词：基于混沌神经网络模型的我国蔬菜价格短期预测研究，由笔耕文化传播整理发布。

本文编号：300270