山东省是畜牧业大省,猪肉价格波动对居民生活质量有着重大影响,目前,关于山东省生猪价格波动的预测研究较少,且存在预测时间较短,时间窗口狭窄和预测结果不准确等问题。针对传统预测模型存在长时序预测准确率不足的问题,本文提出了一种...山东省是畜牧业大省,猪肉价格波动对居民生活质量有着重大影响,目前,关于山东省生猪价格波动的预测研究较少,且存在预测时间较短,时间窗口狭窄和预测结果不准确等问题。针对传统预测模型存在长时序预测准确率不足的问题,本文提出了一种基于综合决策机制的时间序列预测模型。首先,将时间序列信息进行分解,通过可逆归一化将数据特征进行放大,以提取更多的价格波动信息;在信息分解的基础上,通过上采样扩充先验知识,并采用多维度综合决策的方式,增强多层感知机的数据特征挖掘能力和决策能力;最后,将先验知识与预测结果进行直接映射,解决了窗口狭窄和滑动窗口迭代预测导致的误差累积问题。试验结果表明,相较于ARIMA、Prophet-BP、GA-BP、VMD-LSTM和STL-Informer模型,本文算法在RMSE(Root mean square error)和MAE(Mean absolute error)指标上平均提升了50.2%和30.9%,在R^(2)(Coefficient of Determination)指标上的稳定性优于上述对比算法,平均提升了60.2%。本文所提出的算法对于山东省生猪市场的预测性能更优,有助于相关部门对生猪价格波动做出科学决策。展开更多
文摘山东省是畜牧业大省,猪肉价格波动对居民生活质量有着重大影响,目前,关于山东省生猪价格波动的预测研究较少,且存在预测时间较短,时间窗口狭窄和预测结果不准确等问题。针对传统预测模型存在长时序预测准确率不足的问题,本文提出了一种基于综合决策机制的时间序列预测模型。首先,将时间序列信息进行分解,通过可逆归一化将数据特征进行放大,以提取更多的价格波动信息;在信息分解的基础上,通过上采样扩充先验知识,并采用多维度综合决策的方式,增强多层感知机的数据特征挖掘能力和决策能力;最后,将先验知识与预测结果进行直接映射,解决了窗口狭窄和滑动窗口迭代预测导致的误差累积问题。试验结果表明,相较于ARIMA、Prophet-BP、GA-BP、VMD-LSTM和STL-Informer模型,本文算法在RMSE(Root mean square error)和MAE(Mean absolute error)指标上平均提升了50.2%和30.9%,在R^(2)(Coefficient of Determination)指标上的稳定性优于上述对比算法,平均提升了60.2%。本文所提出的算法对于山东省生猪市场的预测性能更优,有助于相关部门对生猪价格波动做出科学决策。
