基于组合模型的农产品物价预测系统设计与实现
发布时间：2021-07-24 14:55
现如今,随着科学技术的发展,各行各业的数据被及时保存,数据信息量大,维数高,数据类型多,人们想从大量数据中获取有价值的信息变得更加困难。但是随着科技的进步,很多的智能算法理论被科学研究者们提出,利用智能算法能够从大量数据中挖掘有意义且有价值的信息。我国地源辽阔,农业信息相对较为闭塞,人们无法及时获得农产品价格信息以及预测未来一段时间内农产品物价走势,现迫切需要一种可以及时获取农产品价格信息和能够对未来一段时间内的农产品价格进行预测的系统。所以本文旨在实现一种基于组合模型的农产品物价预测系统,用户可以查询农产品物价信息,同时可以对未来一段时间内某种农产品物价进行预测与分析,极大方便农户和消费者掌握农产品信息。为实现农产品物价预测系统,本文深入研究了常用的预测算法,提出优化预测算法,结合多种算法特点,设计一种基于组合模型的农产品物价预测算法,使得预测准确率进一步提高,算法更加稳定;同时研究了Web开发框架,以及如何保证Web系统平稳高效正常运行;后台数据库采用读写分离和主从备份技术,从而保证系统的可靠性和数据的完整性。本文首先阐述了农产品物价预测系统和预测模型的国内外研究现状,介绍了数据挖...
【文章来源】：中国科学院大学(中国科学院沈阳计算技术研究所)辽宁省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
数据挖掘与应用软件结构关系
图 2.2 数据处理流程Figure 2.2 Data Processing Flow般由数据库、数据仓库、利用爬虫提供，用户可以通过自己的途径，获据源之后，由于数据可能存在很多进行规范化，然后才能够输入到数据表 2.1 数据预处理描述Table 2.1 Data Preprocessing Descriptio数据预处理功能描述失值进行填补、对噪声点进行平滑、
PRF 1 技术统概述程的加快，各行各业都接入了互联网大家庭，产生的数据息量呈现指数型快速增长模型，海量数据呈现，人们在面统的解决问题的模型获取价值信息，迫切需要一种系统为人们提供服务。预测系统就是在海量数据的背景下出国是一个农业大国，地域广大，各个地方信息的互通目前再加上现在是一个多变的信息时代，如果人们不能及时机遇。所以设计一款能够及时发布信息，提供适应性服。
【参考文献】：
期刊论文
[1]针对SSM框架Web系统的相关思考[J]. 曾艳丽,李诺. 信息与电脑(理论版). 2019(03)
[2]气象大数据与农产品价格的相关性分析[J]. 汪华,王彪,李波,谭海波. 成都信息工程大学学报. 2018(05)
[3]基于季节指数调整与HGWO-SVR算法的农产品价格预测模型[J]. 郑薇,王灿强,李维德. 统计与决策. 2018(19)
[4]基于Spring+SpringMVC+hibernate框架的Web系统设计与实现[J]. 朱运乔. 电脑知识与技术. 2018(26)
[5]基于BP-ARIMA组合模型的福建滨海旅游市场规模预测[J]. 陈咏梅. 厦门理工学院学报. 2018(04)
[6]ARIMA模型和灰色模型在农产品价格预测中的应用比较[J]. 丁慧娟,张金磊,陈建中,李均涛,崔鹏. 安徽农业科学. 2018(24)
[7]基于web的农产品市场价格分析与预测信息系统设计与实现[J]. 杨雄钢. 农家参谋. 2018(17)
[8]基于GM-RBF神经网络的股票价格预测分析[J]. 刘述忠. 计算机与现代化. 2018(08)
[9]基于支持向量机模型的北京城镇农产品冷链物流需求预测[J]. 王晓平,彭文凯,卢怀宇,闫飞. 湖北农业科学. 2018(15)
[10]上海农产品价格监测与分析预测系统构建[J]. 陈旭,唐卫红,张向飞,潘家铭,杨娟,邵芳. 上海农业学报. 2018(04)
博士论文
[1]基于价格分解的鲜活农产品短期价格预测模型[D]. 徐克.中国农业科学院 2016
硕士论文
[1]非线性方法的时间序列组合模型在农产品价格预测中的应用研究[D]. 江粉桃.兰州交通大学 2018
[2]基于WOFOST模型和支持向量机的粮食产量预测模型的研究与实现[D]. 陈帅.吉林大学 2018
[3]基于BP神经网络的赣南脐橙价格预测研究[D]. 解建强.华中农业大学 2017
[4]基于深度学习的农产品价格预测模型研究[D]. 钱彬彬.安徽农业大学 2017
[5]基于数据挖掘的玉米市场价格预测[D]. 王文晶.青岛大学 2017
[6]基于时间序列的农产品价格预测方法的研究与应用[D]. 张贺.东北大学 2017
[7]我国农产品价格预测模型的甄选[D]. 王长松.江西财经大学 2016
[8]基于神经网络的安徽省粮食产量组合预测研究[D]. 高铭悦.安徽农业大学 2016
[9]基于PCA-ELM的我国粮食价格预测研究[D]. 郭婷婷.太原理工大学 2016
[10]农产品市场价格的集成预测方法研究[D]. 牛超.华中师范大学 2016
本文编号：3300871
【文章来源】：中国科学院大学(中国科学院沈阳计算技术研究所)辽宁省
【文章页数】：85 页
【学位级别】：硕士
【部分图文】：
数据挖掘与应用软件结构关系
图 2.2 数据处理流程Figure 2.2 Data Processing Flow般由数据库、数据仓库、利用爬虫提供，用户可以通过自己的途径，获据源之后，由于数据可能存在很多进行规范化，然后才能够输入到数据表 2.1 数据预处理描述Table 2.1 Data Preprocessing Descriptio数据预处理功能描述失值进行填补、对噪声点进行平滑、
PRF 1 技术统概述程的加快，各行各业都接入了互联网大家庭，产生的数据息量呈现指数型快速增长模型，海量数据呈现，人们在面统的解决问题的模型获取价值信息，迫切需要一种系统为人们提供服务。预测系统就是在海量数据的背景下出国是一个农业大国，地域广大，各个地方信息的互通目前再加上现在是一个多变的信息时代，如果人们不能及时机遇。所以设计一款能够及时发布信息，提供适应性服。
【参考文献】：
期刊论文
[1]针对SSM框架Web系统的相关思考[J]. 曾艳丽,李诺. 信息与电脑(理论版). 2019(03)
[2]气象大数据与农产品价格的相关性分析[J]. 汪华,王彪,李波,谭海波. 成都信息工程大学学报. 2018(05)
[3]基于季节指数调整与HGWO-SVR算法的农产品价格预测模型[J]. 郑薇,王灿强,李维德. 统计与决策. 2018(19)
[4]基于Spring+SpringMVC+hibernate框架的Web系统设计与实现[J]. 朱运乔. 电脑知识与技术. 2018(26)
[5]基于BP-ARIMA组合模型的福建滨海旅游市场规模预测[J]. 陈咏梅. 厦门理工学院学报. 2018(04)
[6]ARIMA模型和灰色模型在农产品价格预测中的应用比较[J]. 丁慧娟,张金磊,陈建中,李均涛,崔鹏. 安徽农业科学. 2018(24)
[7]基于web的农产品市场价格分析与预测信息系统设计与实现[J]. 杨雄钢. 农家参谋. 2018(17)
[8]基于GM-RBF神经网络的股票价格预测分析[J]. 刘述忠. 计算机与现代化. 2018(08)
[9]基于支持向量机模型的北京城镇农产品冷链物流需求预测[J]. 王晓平,彭文凯,卢怀宇,闫飞. 湖北农业科学. 2018(15)
[10]上海农产品价格监测与分析预测系统构建[J]. 陈旭,唐卫红,张向飞,潘家铭,杨娟,邵芳. 上海农业学报. 2018(04)
博士论文
[1]基于价格分解的鲜活农产品短期价格预测模型[D]. 徐克.中国农业科学院 2016
硕士论文
[1]非线性方法的时间序列组合模型在农产品价格预测中的应用研究[D]. 江粉桃.兰州交通大学 2018
[2]基于WOFOST模型和支持向量机的粮食产量预测模型的研究与实现[D]. 陈帅.吉林大学 2018
[3]基于BP神经网络的赣南脐橙价格预测研究[D]. 解建强.华中农业大学 2017
[4]基于深度学习的农产品价格预测模型研究[D]. 钱彬彬.安徽农业大学 2017
[5]基于数据挖掘的玉米市场价格预测[D]. 王文晶.青岛大学 2017
[6]基于时间序列的农产品价格预测方法的研究与应用[D]. 张贺.东北大学 2017
[7]我国农产品价格预测模型的甄选[D]. 王长松.江西财经大学 2016
[8]基于神经网络的安徽省粮食产量组合预测研究[D]. 高铭悦.安徽农业大学 2016
[9]基于PCA-ELM的我国粮食价格预测研究[D]. 郭婷婷.太原理工大学 2016
[10]农产品市场价格的集成预测方法研究[D]. 牛超.华中师范大学 2016
本文编号：3300871
本文链接：https://www.wllwen.com/weiguanjingjilunwen/3300871.html
