基于奇异谱分解的猪肉价格组合预测

发布时间：2023-02-01 09:50

　　通过奇异谱分析方法分解猪肉价格,采用ARIMA模型、SVM模型和BP神经网络模型对分解后的猪肉价格进行组合预测;同时选择ARIMA,SVM和BP神经网络作为基准模型,把组合模型预测的结果与所选的基准模型预测结果进行对比,得到了组合模型预测结果总体上优于基准模型预测结果的结论。通过DM检验,进一步验证了结果的可靠性。预测结果表明,SSA组合模型的预测能力平均比ARIMA、SVM和BP神经网络3种基准模型的预测能力分别高出7.97%、72.79%、67.64% 

【文章页数】：6 页

【文章目录】：
1 基本理论介绍
    1.1 奇异谱分析
    1.2 差分整合移动平均自回归模型
    1.3 支持向量机
    1.4 BP神经网络
2 SSA组合预测
    2.1 样本选取与预处理
    2.2 SSA分解
    2.3 模型构建与预测
    2.4 DM检验
3 结论


【参考文献】：
期刊论文
[1]基于多元回归的BP神经网络生猪价格预测模型[J]. 任青山,方逵,朱幸辉.  江苏农业科学. 2019(14)
[2]中国猪肉价格预测研究——基于ARIMA-GM-RBF组合模型的分析[J]. 吴培,李哲敏.  价格理论与实践. 2019(01)
[3]基于ARIMA模型的上海市生猪价格预测[J]. 李子涵,张玉梅,马佳,赵京音.  农业展望. 2019(04)
[4]基于VAR模型的猪肉价格波动分析[J]. 禹旭涛,方永美.  山西科技. 2019(02)
[5]我国猪肉价格趋势变动及其预测——基于Elman神经网络模型的分析[J]. 冯叔君,陈芳.  价格理论与实践. 2018(06)
[6]基于改进持支向量机的猪肉价格预测研究[J]. 姜百臣,冯凯杰,彭思喜.  广东农业科学. 2018(12)
[7]基于GLUE和PEST的CERES-Maize模型调参与验证研究[J]. 宋利兵,陈上,姚宁,冯浩,张体彬,何建强.  农业机械学报. 2015(11)
[8]基于EMD-SVM的农产品市场价格短期预测模型[J]. 屠星月,于辉辉,郭承坤,阮怀军,陈英义.  湖北农业科学. 2015(19)

硕士论文
[1]基于奇异谱分析的ARMA-SVR模型在股指预测中的应用[D]. 袁金铭.山东大学 2019
[2]组合预测模型在吉林省生猪价格预测中的应用[D]. 平平.吉林大学 2010
[3]基于主成分—神经网络的农产品期货预测研究及模型实现[D]. 黄颖.首都师范大学 2008



本文编号：3734081