[發明專利]一種農產品價格預測方法及裝置

在審

• 申請號: 201611256179.2
• 申請日: 2016-12-30
• 公開（公告）號: CN106651464A
• 公開（公告）日: 2017-05-10
• 發明（設計）人: 魏帥;王德運;郭海湘
• 申請（專利權）人: 中國地質大學(武漢)
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06Q50/02
• 代理公司: 北京華沛德權律師事務所11302
• 代理人: 房德權

技術領域

本發明涉及信息處理領域，尤其涉及一種農產品價格預測方法及裝置。

背景技術

農產品價格直接影響農產品的生產及流通，對農產品價格進行科學預測，對規避農產品自身市場風險以及促進農業結構調整及可持續發展具有重要的現實意義。近年來，我國農產品價格受國家政策、市場供求、生產成本、自然氣候以及突發事件等多種因素的影響，呈現出高噪聲﹑非平穩、非線性等特征，不僅導致我國大豆產業面臨的價格風險日益增加，而且增加了大豆價格預測的難度。

目前，預測農產品價格的方法有:回歸分析法、時間序列法、灰色預測法、模糊理論法、神經網絡預測法等，以上單一預測方法對于非平穩、非線性時間序列仍舊難以取得令人滿意的預測結果。

發明內容

鑒于上述問題，本發明實施例提供了一種農產品價格預測方法及裝置，以提高波動性強、非平穩、非線性的農產品價格預測的預測精度。

第一方面，本發明實施例提供的一種農產品價格預測方法，包括：

獲得第一類型農產品的M個價格預測樣本，M至少為百數量級；

通過VMD變分模態分解將所述M個價格預測樣本分解為k個具有不同振動頻率特征的價格VM變分模態分量，其中，k為大于1的整數；

輸入所述k個價格VM分量至經過螢火蟲算法優化的SVM預測模型中進行預測，以預測到與所述k個價格VM分量對應的k個VM分量預測值；

將所述k個VM分量預測值線性疊加，以得到對所述第一類型農產品的價格預測值。

優選的，所述通過VMD變分模態分解將所述M個價格預測樣本分解為k個具有不同振動頻率特征的價格VM分量，包括：

步驟A1：初始化和n，其中，為所對應的傅里葉轉換，為{λ¹}所對應的傅里葉轉換，為初始化后中心頻率，u_k表示模態函數，λ為拉格朗日乘法算子，n代表迭代次數；

步驟A2：根據如下公式更新模態函數u_k：

以及根據如下公式更新中心頻率ω_k：

其中，為當前剩余量的維納濾波，為當前模態函數功率譜的重心，對應為f(t)、u_i(t)、λ(t)、的傅里葉轉換，f(t)為所述價格預測樣本，u_i(t)為第i個模態函數，λ(t)表示拉格朗日乘法算子，為u_k經過n+1次迭代后的值，1≤i≤k；

步驟A3：根據如下公式更新λ；

其中，為λ(ω)經過n次迭代后的傅里葉轉換，τ為更新系數；

步驟A4：若則停止迭代，并將u_k的輸出作為k個價格VM分量，否則返回步驟A2；

優選的，在所述輸入所述k個價格VM分量至經過螢火蟲算法優化的SVM預測模型中進行預測之前，所述方法還包括：基于所述螢火蟲算法優化所述SVM預測模型的懲罰系數和核參數。

優選的，所述基于所述螢火蟲算法優化所述SVM預測模型的懲罰系數和核參數，包括如下步驟：

步驟B1：初始化熒光素揮發系數ρ、熒光素增強因子γ、感知范圍r_s、鄰域變化率β、鄰居閾值n₁和移動步長s，隨機初始化每個螢火蟲的位置；

步驟B2、基于所述價格預測樣本與所述SVM預測模型對所述價格預測樣本的擬合值之間誤差計算各個螢火蟲的適應度值，并基于各個螢火蟲的適應度值更新全局最優值：

步驟B3：基于如下公式確定各個螢火蟲的決策范圍內的螢火蟲個數：

其中，為第t次迭代后第i只螢火蟲的決策范圍，x_j(t)-x_i(t)為第t次迭代后，第j只螢火蟲與第i只螢火蟲之間的距離，l_i(t)為在第t次迭代后第i只螢火蟲的螢光素值，l_j(t)為在第t次迭代中第j只螢火蟲的螢光素值；

步驟B4：基于如下公式更新各個螢火蟲的熒光素：

l_i(t)＝(1-ρ)l_i(t-1)+γf(x_i(t))，