基于多尺度特征融合的蔬菜价格预测模型研究

摘要

【目的】对蔬菜价格进行波动特征分析和预测研究,为经营者提供前瞻性信息,调整生产销售思路,促进相关部门提升市场风险规避的能力。【方法】根据农产品价格的波动特征,提出一种多尺度特征融合的价格预测模型,采用经验模态分解(EMD)将价格序列分解为若干个本征模态函数(IMF)和余项。为降低IMF1分量的不规则性对预测的影响,将IMF1进行小波变换分解为近似序列和细节序列,分解得到的多尺度分量分别用极限学习机构建预测模型,最后把各个分量的预测结果进行累加融合得到预测值。【结果】利用河南省农产品信息监测系统数据,将该方法应用于河南省马铃薯、莲藕、番茄、黄瓜、大白菜、油麦菜的月均价格进行预测。预测精度评价指标表明马铃薯、莲藕、番茄、黄瓜、大白菜、油麦菜的平均绝对误差分别为0.06、0.25、0.14、0.19、0.04、0.17元·kg^(-1),平均百分比误差为2.70%、4.58%、4.71%、4.76%、3.90%、3.84%,均方根误差为0.08、0.37、0.17、0.26、0.05、0.21。且评价指标与经验模态分解和极限学习机的组合模型进行对比,结果表现较好。【结论】该预测模型可以有效地提高预测精度,具有较好的预测性能,能够适用于多种类蔬菜价格的预测。