針對傳統(tǒng)農(nóng)產(chǎn)品價格預(yù)測模型在大數(shù)據(jù)場景下無法快速準(zhǔn)確對蘋果市場價格進行預(yù)測的問題,提出一種基于分布式神經(jīng)網(wǎng)絡(luò)的蘋果價格預(yù)測方法。首先,研究影響蘋果市場價格的相關(guān)因素,選取蘋果歷史價格、替代品歷史價格、居民消費水平和原油價格四個特征作為神經(jīng)網(wǎng)絡(luò)模型的輸入;然后,構(gòu)建蘊含價格波動規(guī)律的分布式神經(jīng)網(wǎng)絡(luò)模型,實現(xiàn)對蘋果市場價格的短期預(yù)測。實驗結(jié)果顯示,基于分布式神經(jīng)網(wǎng)絡(luò)的蘋果市場價格短期預(yù)測模型具有較高的預(yù)測精度,平均相對誤差僅為0. 50%,滿足蘋果市場價格預(yù)測的要求。實驗結(jié)果表明,分布式神經(jīng)網(wǎng)絡(luò)模型能夠通過自學(xué)習(xí)特性揭示出蘋果市場價格的波動規(guī)律和發(fā)展趨勢,所提方法能為穩(wěn)定蘋果市場秩序和市場價格宏觀調(diào)控提供科學(xué)依據(jù),有助于降低價格波動帶來的危害,幫助果農(nóng)規(guī)避市場風(fēng)險。 

【文章來源】：計算機應(yīng)用. 2020,40(02)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

神經(jīng)網(wǎng)絡(luò)預(yù)測模型

本文提出的分布式神經(jīng)網(wǎng)絡(luò)模型設(shè)計如圖2所示：分布式神經(jīng)網(wǎng)絡(luò)模型能對大數(shù)據(jù)進行分解，同時，將訓(xùn)練模型的計算量分?jǐn)傇诙鄠�計算節(jié)點上并行計算以加快收斂，最后將中間結(jié)果組裝成最終解，對蘋果市場價格進行預(yù)測。在訓(xùn)練過程中采用的分布式神經(jīng)網(wǎng)絡(luò)算法如算法1所示，在Spark分布式計算框架中首先在Master節(jié)點設(shè)置全局神經(jīng)網(wǎng)絡(luò)模型參數(shù)，主要包括神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)、網(wǎng)絡(luò)層數(shù)、激活函數(shù)、學(xué)習(xí)率因子和網(wǎng)絡(luò)權(quán)重。然后，采用數(shù)據(jù)劃分策略將較大的數(shù)據(jù)集D劃分成m等份數(shù)據(jù)集。最后，將全局神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)和參數(shù)廣播至各Worker節(jié)點。各Worker節(jié)點接收到Master節(jié)點傳來的權(quán)重參數(shù)后對各自神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進行初始化，并利用式（2）和式（3）進行前饋計算，通過逐層的信息傳遞和計算，得到前饋神經(jīng)網(wǎng)絡(luò)最后的輸出y(aL）。

從圖4可以看出，各地區(qū)的相對誤差曲線基本控制在一個較小的水平1%之下，但仍然有2個預(yù)測數(shù)據(jù)點的相對誤差超過了1%的水平。實驗結(jié)果表明，分布式神經(jīng)網(wǎng)絡(luò)模型具有較高的預(yù)測精度，能夠使得絕大部分預(yù)測數(shù)據(jù)點都保持在較小的相對誤差范圍內(nèi)。盡管個別數(shù)據(jù)點相對誤差稍微有些偏差（實際上，相對誤差最大也沒有超過1.4%），但也說明個別數(shù)據(jù)點的預(yù)測偏差不會對其他預(yù)測點產(chǎn)生不良的影響，從而進一步驗證了神經(jīng)網(wǎng)絡(luò)模型具有較強的非線性擬合能力和穩(wěn)定性。為了更加詳細(xì)地對預(yù)測效果進行深度分析，以各產(chǎn)區(qū)的蘋果市場價格預(yù)測過程為例進行具體評價。從表2中看出，陜西省白水縣蘋果市場價格預(yù)測結(jié)果非常逼近真實價格，絕對誤差絕對值超過0.02元/斤的僅有兩個預(yù)測點，其他預(yù)測點偏差相對較小，其平均相對誤差值為0.36%，處于非常小的水平。相比其他地區(qū)，陜西省洛川縣蘋果市場價格預(yù)測結(jié)果的誤差最大；但絕對誤差超過0.03元/斤的也僅有兩個預(yù)測數(shù)據(jù)點，樣本270和271絕對誤差超過了0.05元/斤，相對誤差超過了1%，其他預(yù)測點偏差相對較小。總體上來看，陜西洛川蘋果的平均絕對誤差保持在0.027元/斤，平均相對誤差值為0.66%，滿足對蘋果市場價格的預(yù)測要求。陜西省千陽縣蘋果市場價格預(yù)測結(jié)果相對較好，只有一個預(yù)測數(shù)據(jù)點的絕對誤差絕對值超過了0.04元/斤，其他預(yù)測數(shù)據(jù)點的絕對誤差絕對值和相對誤差保持在較小的范圍之內(nèi)。但在千陽蘋果市場預(yù)測時預(yù)測值均低于真實值，這說明基于分布式神經(jīng)網(wǎng)絡(luò)模型針對低估現(xiàn)象不存在自我修正機制。全國蘋果市場價格預(yù)測結(jié)果相比其他地區(qū)預(yù)測效果最佳，絕對誤差超過0.01元/斤的僅有一個預(yù)測數(shù)據(jù)點，其他預(yù)測點偏差都非常小，幾乎可以忽略；其相對誤差相應(yīng)地也處于非常小的水平，其平均相對誤差僅為0.28%，這樣的預(yù)測結(jié)果近乎于“完全精準(zhǔn)預(yù)測”。

【參考文獻】：
期刊論文
[1]基于組合模型的農(nóng)產(chǎn)品物價預(yù)測算法[J]. 蘇照軍,郭銳鋒,高岑,王美吉,李冬梅.  計算機系統(tǒng)應(yīng)用. 2019(05)
[2]ARIMA模型和灰色模型在農(nóng)產(chǎn)品價格預(yù)測中的應(yīng)用比較[J]. 丁慧娟,張金磊,陳建中,李均濤,崔鵬.  安徽農(nóng)業(yè)科學(xué). 2018(24)
[3]基于多角度多區(qū)域特征融合的蘋果分類方法[J]. 劉媛媛,王暉,郭躬德,江楠峰.  計算機應(yīng)用. 2018(05)
[4]基于卷積神經(jīng)網(wǎng)絡(luò)的中文微博情感分類[J]. 馮多,林政,付鵬,王偉平.  計算機應(yīng)用與軟件. 2017(04)
[5]基于改進BP網(wǎng)絡(luò)的車牌字符識別方法研究[J]. 張國云,向燦群,吳健輝,郭龍源,涂兵.  計算機應(yīng)用與軟件. 2017(04)
[6]基于云計算的特色農(nóng)莊平臺設(shè)計與探討[J]. 錢曄,孫吉紅,彭琳,李文峰,周慧,陸國泉,汪惜今.  計算機技術(shù)與發(fā)展. 2017(02)
[7]基于時間序列GA-SVR的水產(chǎn)品價格預(yù)測模型及驗證[J]. 段青玲,張磊,魏芳芳,肖曉琰,王亮.  農(nóng)業(yè)工程學(xué)報. 2017(01)
[8]基于信息�；蚉SO-SVR模型的棉花價格波動區(qū)間和變化趨勢預(yù)測[J]. 張永禮,趙蕾,董志良.  廣東農(nóng)業(yè)科學(xué). 2015(11)
[9]基于經(jīng)驗?zāi)B(tài)分解和支持向量機的農(nóng)產(chǎn)品價格短期預(yù)測[J]. 姚冠新,顧晴.  江蘇農(nóng)業(yè)科學(xué). 2014(09)
[10]基于改進KNN算法的農(nóng)產(chǎn)品價格預(yù)測模型[J]. 許杞剛,劉明軍,李海.  濟南大學(xué)學(xué)報(自然科學(xué)版). 2014(02)

碩士論文
[1]陜西省蘋果市場影響因素分析[D]. 王向斌.西北農(nóng)林科技大學(xué) 2015



本文編號：3056290