基于BP神经网络的猪肉价格预测.pdf

基于BP神经网络的猪肉价格预测王金鑫王赫晨董志贵【摘要】本文选取2011年至2017年猪肉价格作为训练样本构建了月猪肉价格预测的BP神经网络模型并对2017年1月至9月的猪肉价格进行了预测与验证验证结果表明：模型拟合效果好预测精度高最大相对误差为2.626%最小相对误差为0误差范围在允许范围内。【关键词】BP神经网络猪肉价格预测1.引言猪肉价格预测是指根据历史销售价格和市场供求信息等数据对影响猪肉价格的各项因素进行分析和研究进而估计未来某个时期价格水平。统计学方法是猪肉价格预测的传统方法主要有回归分析法、统计模型法、GM（11）模型、灰色系统理论等。我国猪肉市场具有复杂性影响因素众多且易发生较大变化传统的统计学方法不能很好地预测其商品价格。人工神经网络通过模仿人类大脑神经元对外界刺激做出反应的过程而建立起来的一种模型具有大规模并行、分布式储存和处理、自组织、自适应、自学习和容错性等特点特别适用于需要同时考虑多因素和多条件的系统中因子之间的相互作用机理还不清楚、不精确和模糊信息问题的处理。本文尝试利用BP神经网络模型进行猪肉价格预测研究进而获得高精度的猪肉预测价格。2.基于BP神经网络的猪肉价格预测模型2.1BP神经网络算法的模型BP神经网络算法是基于误差反向后传算法的多层前馈型神经网络其学习过程包括输入信号额正向传播和误差信号的反向传播。本文以常用的单隐含层BP神经网络结构模型为例构建猪肉价格预测模型。输入层设置10个输入神经元输出成设置1个输出神经元隐含层设置15个神经元隐含层和输出层的传递函数均选取单极性Sigmoid函数学习率为0.8网络参数采取随机产生。2.2数据处理与训练样本构建2011年1月至2017年12月猪肉价格的历史数据如表1所示根据BP神经网络结构模型参数构建训练样本用于猪肉价格预测模型训练。根绝BP神经网络模型的结构参数预测模型训练样本的构建方法如下：利用2011年1月至10月的价格与测2011年11月的猪肉价格即利用2011年1月10月的猪肉价格作为一组输入2011年11月的猪肉价格作为输出;同理2011年2月至11月的猪肉价格作为第二组输入2011年12月的猪肉价格作为输出;依次类推2016年2月至11月的猪肉价格作为第七十四组输入2016年12月的猪肉价格作为其对应的输出。依据此方法共构建62组训练样本集。2.3BP神经网络模型训练以74组训练样本作为输入和输出信号运用MATLAB2010Ra的神经网络工具箱编写基于BP神经网络的猪肉价格预测程序进行BP神经网络模型训练当网络输出误差满足网络预设精度0.0001时停止训练获得猪肉价格预测的BP神经网络模型。基于BP神经网络的猪肉价格预测模型的拟合效果如图1所示。3.基于BP神经网络的猪肉价格预测以2016年3月至2017年9月的历史猪肉价格利用本文构建的BP神经网络模型进行猪肉价格预测预测2017年1月至2017年9月的豬肉价格验证本文建立模型的正确性和可行性。预测结果及误差分析如表2所示。由上表分析可以看出预测值与真实值的相对精度较高最大相对误差为2.626%最小相对误差为0。误差范围在允许范围内。4.结论