网络首发|基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究

基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究

喻沩舸1，2，吴华瑞1，2，3*，彭 程1，2，3
（1. 北京市农林科学院，北京 100097；2. 国家农业信息化工程技术研究中心，北京 100097；3. 农业农村部农业信息技术重点实验室，北京 100097）

摘 要：蔬菜是居民生活饮食的重要组成部分，蔬菜价格预测存在着价格波动幅度大、影响因素复杂多样、精度不高等难点。本研究以黄瓜为研究对象，分析了影响黄瓜价格的供给、需求、流通等因素，引入Lasso回归模型对影响因素进行筛选，获得12项关联度较大的因素。在此基础上，构建了一种基于影响因素的Lasso回归方法与BP神经网络相结合的组合模型（L-BPNN），开展黄瓜短期价格预测，并与Lasso回归模型、BP神经网络模型、RBF神经网络模型等回归分析和智能分析方法等进行了对比验证研究。结果表明：使用L-BPNN模型预测黄瓜价格，其平均相对误差最小，仅为0.66%，比Lasso回归模型、BP神经网络模型和RBF神经网络模型分别低64.52%、82.11% 和86.2%，具有较高的预测精度。本研究结果实现了黄瓜的短期价格预测，也可推广到其他蔬菜品种，对于保障菜农收入、稳定蔬菜市场价格等具有重要意义。

关键词：蔬菜；影响因素；价格预测；组合模型；Lasso回归方法；BP神经网络；RBF神经网络

点击直达知网阅读

引文格式：

喻沩舸,吴华瑞,彭程.基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究[J/OL].智慧农业(中英文):1-10[2020-11-19].http://kns.cnki.net/kcms/detail/10.1681.S.20201117.1107.002.html.

文章图片

图1  2010—2018年全国黄瓜月度价格走势图

Fig. 1  Monthly price trend of cucumbers in China from 2010 to 2018

图 2  L-BPNN结构图

Fig. 2  L-BPNN structure diagram

图3  L-BPNN模型与其它3种模型预测结果 相对误差对比

Fig. 3  Comparison of the relative error of the prediction re‐ sults between the L-BPNN model and the other three models

表1  Lasso回归模型变量选择与参数估计

Table 1  Variable selection and parameter estimation of Lasso regression model

表2  L-BPNN组合模型预测结果

Table 2  Prediction results of L-BPNN combined model

作者简介

吴华瑞     研究员

吴华瑞，博士，研究员，北京农业信息技术研究中心副主任，国家大宗蔬菜产业技术体系智能化管理岗位科学家，农业农村部“全国农业科教云平台”首席专家，农业农村部农业信息软硬件产品质量检测重点实验室副主任，科技部数字乡村领域技术预测专家组长、中国人工智能学会专委会秘书长、国家自然基金项目评审专家，北京农业信息化学会监事，先后获得北京市科技新星、北京市优秀人才、北京市优秀青年知识分子等荣誉称号，2008年、2016年分别被聘为北京市农林科学院“农业智能系统”“农业信息化标准研究”创新团队首席专家。主要围绕农业智能系统与无线传感器网络技术开展多学科交叉研究，重点在智能农业中无线传输网络核心理论、农业大数据智能服务、农业复杂云平台构建与应用等方面取得多项科研成果：获得国家科技进步奖二等奖1项，省部级科技奖励8项；先后主持国家与省部级项目75项；获批北京市地标1项，授权发明专利34项、实用新型专利19项、软件著作权登记193项，发表论文280多篇，合著出版著作5部，为北京市及全国现代农业的发展提供了有效的科技支撑，研究成果在我国28个省市得到推广应用，取得显著社会经济效益。