ARIMA模型在农产品价格预测中的应用.pdf

万方数据

ARIMA模型在农产品价格预测中的应用Bz≥Zl。，从而曰，母五。；怫为自回归算子，tpp(B)=l--妒。B呻I弘⋯一Mm诹A嘲agc‘％V4Z=盼吼(B)a；刘峰，．-，王儒敬，，李传席1,2Ru-jingt,LI1．中国科学院合肥智能机械研究所．合肥23003I1引言性，为了消除随机波动的影响，利用历史数据，进行统汁分析，该文将要采用ARIMA模型‘味预测农产品价格时问序列。ARIMA模璀的基本思想及数学模型Engineering矗蒯Applicatiora，计算机工程与应用WANG2．中国科学技术大学自动化系，合肥230027Feng．WANGRu-jing。LIARIMA摘要：利用农产品价格时阃序歹，l的当前值和过去值准确预报未来值。将有利于正确引导农产品流通和农业生产，实现农产品区域供求平衡，并为政府和农户提供结构调整的依据．针对农产品价格这一重要问题，以白菜月价格数据为例，构建非平稳时间序列ARIMA(p，d，q)模型并预测白菜未来的月价格。结果表明ARIMA(0，l，1)模型能很好地模拟并预测白菜月价格趋势，为农产品市场信息的准确预测提供重要方法。关键词：农产品价格；时间序列；自回归移动平均模型；价格趋势DOI：10．37781j．issn．1002—8331．2009．25．073文营编号：1002—833l(2009)25—0238—02文献标汉码：A中图分类譬：TP311农产品价格数据对于指导农产品生产以及调整农业结构具有重要意义。从『f『『使用农产品的历史价格数据对未来价格趋势进行有效的预测硅得尤为重要。一般常用的有时问序列预测和同归而测法，时问序列预测法一面承认事物发展的延续性，另一方而又充分考虑到事物发展偶然冈素的影响产生的$StJL并用加权平均等方法对数据加以适当的处理，进行趋势预测。ARIMA模型金称为自回归移动平均模型罔(AutoregressiveMlJdel，ARIMA)，是由博克思(Box)和詹会斯(Jenkins)于20世纪70年代初提出的一著名时间序列预测方法，所以又称为Box-Jenkins模型、博克思一詹金斯法。ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序乡』J视为一个随机序列．用一一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时I’HJ序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。数学模型：指定3个参数P、d、q用来分析时间序列，即描述自回归阶数P、差分次数d和移动平均阶数q，通常}己为ARIMA(p，d，q)，表示为：式中，五为原序列；06为白噪声序列，是一列相互之间无关，其均值为0，方差为or：的随机变量序列；口为后移算子，定义为作者简介：刘峰(1982一)．男，硕士研究生．主要研究方向为人工智能、数据挖掘；下儒敬(1964一)，男，博士，研究员，主要研究方向为智能决策支持2009．45(25)LIUFen91．2Chuan-xi‘·2AcademyandTechnologymodelApplications．2009。45(25)：238-239．theseriesARIMA(p．d．q)builtARIMA(0，1，1)(：anforecastKeygt．Model(ARIMA)；price2基金项日：国家自然科学基金(theNo．60774096)；国家高技术研究发展计划(863)(thePlanNo．2006AAl0223702)；国家科技支撑计划(theNo．2006BADIOA0502。No．2006BADl0A1410)。系统、数据挖掘；李传席(1981一)，男，硕士研究生，主要研究方向为信息获取、数据挖掘。收稿日期：2008—05—07修回H期：2008—07—25238Computer1．InstituteofIntelligentMachines，ChineseSciences，Hefei230031，China2．DepartmentAutomation，UniversityScienceChina，Hefei230027，ChinaE-mail：[e-mail]act：Thefuturevaluestimelrasedpastpricesprod—ishelpfulguideproductscirculationproduction，balancesupplydemanddiffemntregionsprovidebasisforrestructuringby