[发明专利]一种农产品价格预测方法及装置

说明书

技术领域

本发明涉及信息处理领域，尤其涉及一种农产品价格预测方法及装置。

背景技术

农产品价格直接影响农产品的生产及流通，对农产品价格进行科学预测，对规避农产品自身市场风险以及促进农业结构调整及可持续发展具有重要的现实意义。近年来，我国农产品价格受国家政策、市场供求、生产成本、自然气候以及突发事件等多种因素的影响，呈现出高噪声﹑非平稳、非线性等特征，不仅导致我国大豆产业面临的价格风险日益增加，而且增加了大豆价格预测的难度。

目前，预测农产品价格的方法有:回归分析法、时间序列法、灰色预测法、模糊理论法、神经网络预测法等，以上单一预测方法对于非平稳、非线性时间序列仍旧难以取得令人满意的预测结果。

发明内容

鉴于上述问题，本发明实施例提供了一种农产品价格预测方法及装置，以提高波动性强、非平稳、非线性的农产品价格预测的预测精度。

第一方面，本发明实施例提供的一种农产品价格预测方法，包括：

获得第一类型农产品的M个价格预测样本，M至少为百数量级；

通过VMD变分模态分解将所述M个价格预测样本分解为k个具有不同振动频率特征的价格VM变分模态分量，其中，k为大于1的整数；

输入所述k个价格VM分量至经过萤火虫算法优化的SVM预测模型中进行预测，以预测到与所述k个价格VM分量对应的k个VM分量预测值；

将所述k个VM分量预测值线性叠加，以得到对所述第一类型农产品的价格预测值。

优选的，所述通过VMD变分模态分解将所述M个价格预测样本分解为k个具有不同振动频率特征的价格VM分量，包括：

步骤A1：初始化和n，其中，为所对应的傅里叶转换，为{λ¹}所对应的傅里叶转换，为初始化后中心频率，u_k表示模态函数，λ为拉格朗日乘法算子，n代表迭代次数；

步骤A2：根据如下公式更新模态函数u_k：

以及根据如下公式更新中心频率ω_k：

其中，为当前剩余量的维纳滤波，为当前模态函数功率谱的重心，对应为f(t)、u_i(t)、λ(t)、的傅里叶转换，f(t)为所述价格预测样本，u_i(t)为第i个模态函数，λ(t)表示拉格朗日乘法算子，为u_k经过n+1次迭代后的值，1≤i≤k；

步骤A3：根据如下公式更新λ；

其中，为λ(ω)经过n次迭代后的傅里叶转换，τ为更新系数；

步骤A4：若则停止迭代，并将u_k的输出作为k个价格VM分量，否则返回步骤A2；

优选的，在所述输入所述k个价格VM分量至经过萤火虫算法优化的SVM预测模型中进行预测之前，所述方法还包括：基于所述萤火虫算法优化所述SVM预测模型的惩罚系数和核参数。

优选的，所述基于所述萤火虫算法优化所述SVM预测模型的惩罚系数和核参数，包括如下步骤：

步骤B1：初始化荧光素挥发系数ρ、荧光素增强因子γ、感知范围r_s、邻域变化率β、邻居阈值n₁和移动步长s，随机初始化每个萤火虫的位置；

步骤B2、基于所述价格预测样本与所述SVM预测模型对所述价格预测样本的拟合值之间误差计算各个萤火虫的适应度值，并基于各个萤火虫的适应度值更新全局最优值：

步骤B3：基于如下公式确定各个萤火虫的决策范围内的萤火虫个数：

其中，为第t次迭代后第i只萤火虫的决策范围，x_j(t)-x_i(t)为第t次迭代后，第j只萤火虫与第i只萤火虫之间的距离，l_i(t)为在第t次迭代后第i只萤火虫的萤光素值，l_j(t)为在第t次迭代中第j只萤火虫的萤光素值；

步骤B4：基于如下公式更新各个萤火虫的荧光素：

l_i(t)＝(1-ρ)l_i(t-1)+γf(x_i(t))，