APSO_SVR模型在我国大豆价格预测的应用研究

• 作者: 何朋飞 张冬青 李静
• 来源期刊: 大豆科学
• 学科: 经济
• 关键词: SVR预测模型 自适应 粒子群算法 大豆
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 分析加工·产业经济
• 页码范围: 632-638
• 页数: 7页
• 分类号: F224.7
• 字数: 4161字
• 语种: 中文
• DOI: 10.11861/j.issn.1000-9841.2017.04.0632

摘要

国内大豆价格受到多重因素影响,如大豆进口量、国内大豆供给量、中国居民消费价格指数等,因此呈现非线性等特点.大豆价格的剧烈波动会对农户的种植结构和国家政策产生影响,因此准确预测大豆价格具有重要意义.支持向量回归(SVR)因其优越的寻优能力和较高的预测精确度而被广泛应用于非线性时间序列回归中.本文提出一种自适应粒子群算法(APSO)优化的SVR模型来预测我国大豆价格,该模型通过将现实空间内的数据映射到高维空间内,在高维空间内构造线性回归函数,从而判别原有空间内数据之间的关系.在SVR模型参数优化时,由于粒子群算法易陷入局部最优解,因此采用惯性权重更新和适应度变异的粒子群算法(APSO)对预测模型参数进行优化.采用2009年1月-2016年12月的国内大豆价格月度数据进行预测,结果表明APSO优化的SVR模型在大豆价格预测中精度较高,且能准确反应大豆价格的未来趋势,为从事大豆种植者及经营者提供决策依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李静	南京农业大学工学院	68	721	10.0	25.0
2	张冬青	南京农业大学工学院	15	65	5.0	7.0
3	何朋飞	南京农业大学工学院	5	8	2.0	2.0