研究生豬價格的準(zhǔn)確預(yù)測問題,傳統(tǒng)預(yù)測模型存在速度慢、陷入局部極小值、核函數(shù)的選擇等問題,預(yù)測效果不佳。為此,首先篩選出生豬價格的顯著因素,接著利用Python數(shù)據(jù)分析分別建立貝葉斯嶺回歸、普通線性回歸、彈性網(wǎng)絡(luò)和支持向量機模型,將這4個回歸模型作為梯度提升回歸模型的訓(xùn)練集,對生豬價格進(jìn)行預(yù)測。結(jié)果表明,綜合集成的梯度提升回歸模型的均方差（MSE）為0.056,平均絕對誤差（MAE）為0.18,判定系數(shù)為0.994,比前面單一模型預(yù)測效果好。最后,利用梯度提升回歸模型對2017年2月至2017年11月的生豬價格預(yù)測,發(fā)現(xiàn)輸出的預(yù)測值與真實值比較接近,最大相對誤差為3.495%,梯度提升回歸模型具有較高的預(yù)測精度。 

【文章來源】：計算機仿真. 2020,37(01)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

生豬價格預(yù)測原理流程圖

平均絕對誤差(Mean Absolute Error,MAE),用于評估預(yù)測結(jié)果和真實數(shù)據(jù)集的接近程度的程度,其值越小說明擬合效果越好。從上表發(fā)現(xiàn)單一模型的平均絕對誤差均大于0.4,綜合集成上述四種模型得到的GBR模型的MAE最小,為0.18。均方差(Mean Squared Error,MSE),該指標(biāo)計算的是擬合數(shù)據(jù)和原始數(shù)據(jù)對應(yīng)樣本點的誤差的平方和的均值,其值越小說明擬合效果越好。單一模型的均方差均大于0.6,綜合集成后的GBR模型的MSE最小,為0.056。

線性回歸擬合效果

【參考文獻(xiàn)】：
期刊論文
[1]基于養(yǎng)殖規(guī)模變化解析我國近十年的生豬價格波動[J]. 郭娉婷,許遲,馬曦.  中國畜牧雜志. 2017(12)
[2]基于BP神經(jīng)網(wǎng)絡(luò)的江西省生豬價格波動預(yù)警分析[J]. 付蓮蓮,翁貞林,伍健.  價格月刊. 2017(09)
[3]基于運動學(xué)和動力學(xué)的關(guān)節(jié)空間軌跡規(guī)劃[J]. 寧學(xué)濤,潘玉田,楊亞威,黃偉.  計算機仿真. 2015(02)
[4]我國豬肉價格波動的原因分析與政策建議[J]. 李寶仁,姚熙嘉.  北京工商大學(xué)學(xué)報(社會科學(xué)版). 2014(05)
[5]我國生豬市場價格預(yù)警體系研究[J]. 劉芳,王琛,何忠偉.  農(nóng)業(yè)技術(shù)經(jīng)濟. 2013(05)
[6]生豬價格風(fēng)險預(yù)警模型的建立與應(yīng)用[J]. 趙瑞瑩,陳會英,楊學(xué)成.  運籌與管理. 2008(04)

博士論文
[1]中國生豬價格波動機理研究（2000-2014）[D]. 孫秀玲.中國農(nóng)業(yè)大學(xué) 2015

碩士論文
[1]基于梯度提升模型的負(fù)相關(guān)學(xué)習(xí)算法的研究與應(yīng)用[D]. 萬倫軍.中國科學(xué)技術(shù)大學(xué) 2014



本文編號：3575534