基于大数据的大蒜价格预测及可视化研究

摘要

中国的大蒜产量占全球总产量的70%以上，是中国出口创汇最多的农产品，其价格频繁波动备受全社会关注。大蒜价格波动直接影响了大蒜产业从业者的切身利益，同时影响着大蒜产业的健康发展。利用大蒜产业大数据分析技术，以大蒜价格为研究对象，总结和梳理大蒜价格影响因素和价格波动规律，深入分析影响大蒜价格波动的主要影响因素，研究大蒜价格变化趋势预测方法，并构建了大蒜价格可视化分析系统。具体研究内容如下： （1）大蒜价格波动规律及影响因素研究。首先根据波峰-波谷原则划分大蒜价格波动周期，然后利用季节调整法和H-P滤波对大蒜价格进行实证分析，定量分析价格序列分解后每一成分的变化规律，并与产业实际对比验证，最终将大蒜价格划分了8个周期。在此基础上分析影响大蒜价格波动的供给方面、需求方面、宏观经济各因素，然后采用实证分析的方法对选取的重点影响因素进行了相关性检验和协整检验，并建立向量自回归模型从定量角度对大蒜价格的影响因素进行分析，同时结合脉冲响应函数和方差分解的方法分析了各因素对大蒜价格的贡献程度，研究发现蒜薹价格和汇率的变动对大蒜价格波动影响比较大。 （2）大蒜价格预测研究。首先依靠农产品价格传导机制，定性分析蒜薹价格波动和大蒜价格波动之间的关联关系，然后采用实证分析的方法对蒜薹价格和大蒜价格进行了相关性检验、协整检验、Granger因果检验，研究发现蒜薹价格波动能够预测未来大蒜价格波动趋势，并且对未来2个月后的大蒜价格波动趋势预测效果最佳；然后结合时间序列预测模型和机器学习的优点，构建了ARIMA-SVR组合模型对大蒜价格进行短期价格预测，并与单一ARIMA、SVR预测模型进行精度对比，结果表明ARIMA-SVR组合模型预测精度较高，证明ARIMA-SVR模型对大蒜价格预测的有效性。 （3）大蒜价格可视化分析系统。通过对大蒜价格的需求分析设计了系统层次架构和功能框架，并构建了基于价格、地区、分析结果、URI、系统角色五类数据库，在此基础上应用可视化技术、系统开发技术实现了大蒜价格可视化分析系统。大蒜价格可视化分析系统更加直观地呈现了大蒜价格及价格规律，便于人们对大蒜价格认识与交流，促进了大蒜产业健康发展。

目录

声明

1 绪论

1.1研究背景

1.2研究的目的及意义

1.3国内外研究现状

（1）农产品价格波动规律分析

（2）农产品价格波动影响因素分析

（3）农产品价格趋势预测分析

（4）可视化分析

（5）农业大数据应用现状

（6）小结

1.4研究内容、方法及技术路线

1.4.1研究内容

1.4.2研究方法

1.4.3技术路线

1.5本文创新之处

1.6本章小结

2 相关理论与技术

2.1相关理论

2.1.1 相关概念介绍

2.1.2 农产品价格形成机制

2.1.3 农产品价格演变规律

2.1.4 农产品市场失灵规律

2.2 农产品价格波动分析方法

2.2.1 季节调整方法

2.2.2 趋势分解

2.2.3 移动平均方法

2.2.4 指数平滑方法

2.3 农产品价格影响因素分析方法

2.3.1 向量自回归模型

2.3.2 向量误差修正模型

2.3.3 多元回归模型

2.4 农产品预测方法

2.4.1 传统时间序列预测方法

2.4.2 智能预测方法

2.4.3 组合预测方法

2.5 数据可视化

2.5.1 可视化方法

2.5.2 常见的可视化系统

2.6 本章小结

3 大蒜价格波动规律分析

3.1数据获取

3.2大蒜价格波动概况

3.3大蒜价格波动特征分析

3.3.1 季节成分和随机成分

3.3.2 周期成分和趋势成分

3.4本章小结

4 大蒜价格影响因素研究

4.1产业分析及因素选取

4.2数据获取

4.3实证分析

4.3.1平稳性检验

4.3.1 VAR模型建立

4.3.3 VAR模型稳定性检验

4.3.4 脉冲响应函数

4.3.5 方差分解

4.4本章小节

5 大蒜价格预测研究

5.1大蒜价格长期趋势预测

5.1.1 数据获取与处理

5.1.2 实证分析

5.2大蒜价格短期预测

5.2.1 预测过程

5.2.2 实证分析

5.3本章小结

6 大蒜价格可视化分析系统研发

6.1需求分析

6.2系统架构

(1)系统层次架构

(2)系统功能架构

6.3系统数据库设计

6.4 大蒜价格可视化分析系统的实现

(3)基于不同地域市场大蒜价格展示

(5)中国鲜大蒜流向及占比分析图

6.5本章小结

7总结与展望

7.1总结

7.2展望

参考文献

致谢

硕士期间获得的研究成果

一、发表论文4篇

二、参加项目3项