基于BP、LSTM和ARIMA模型的蔬菜价格预测

摘要

为系统统计蔬菜价格,实现蔬菜价格可视化并加以预测,以利于生产者科学决策。为此,首先爬取广州江南果菜批发市场所有的蔬菜价格,并对蔬菜价格的数据集进行预处理,然后建立起基于时间序列的ARIMA预测模型、BP神经网络预测模型和LSTM神经网络预测模型,通过3种模型对爬取的蔬菜价格进行分析和预测,最后将3种预测模型的实验结果进行对比。在选取的多种蔬菜的预测结果中,LSTM、BP、ARIMA模型的相对误差小于1%的平均比例分别为0.037、0.07、0.097,相对误差小于5%的平均比例分别为0.215、0.338、0.433,相对误差小于10%的平均比例分别为0.436、0.573、0.694。结果表明,ARIMA模型在预测蔬菜价格方面的准确率比LSTM、BP模型更高。