[发明专利]一种水果价格预测方法

说明书

本发明公开了一种水果价格预测方法，属于人工智能领域，该方法利用LSTM模型，结合影响某一种或多种水果价格因素的各个因子，对数据进行采集、清洗和处理；建立该水果的价格预测模型，通过对该种水果相关数据的挖掘与分析，进行模型训练和参数调优，实现价格预测；该方法的实现包括数据采集、数据处理、模型构建、模型训练、误差评价以及价格预测，其中模型构建基于LSTM构建模型。本发明能够实现对果品未来价格的预测，从而帮助政府更好的进行信息的精准推送，为决策者、消费者和果品加工企业提供参考，为果农提供渠道。

技术领域

本发明涉及人工智能技术领域，具体地说是一种水果价格预测方法。

背景技术

经过近几十年的发展，我国已成为世界第一苹果生产大国，苹果已成为我国的第一大水果，苹果产业也成为主产区农民增收致富的支柱产业。随着产业规模的逐步扩大，苹果产业供给侧出现了许多新情况新问题，主要表现在：总量供过于求与结构性供给不足并存，投入要素结构不合理、生产成本持续增加，市场价格波动也较大、滞销难卖时有发生，时常造成增产不增收，各类风险集聚交织、持续健康发展压力不断加大等问题。其销售价格关乎果农、消费者以及各苹果链条内人员的切身利益。

发明内容

本发明的技术任务是针对以上不足之处，提供一种水果价格预测方法，结合人工智能，实现对苹果/水果未来价格的预测，从而帮助政府更好的进行信息的精准推送，为决策者、消费者和果品加工企业提供参考，为果农提供渠道。

本发明解决其技术问题所采用的技术方案是：

一种水果价格预测方法，该方法利用LSTM模型，结合影响某一种或多种水果价格因素的各个因子，对数据进行采集、清洗和处理；建立该水果的价格预测模型，通过对该种水果相关数据的挖掘与分析，进行模型训练和参数调优，实现价格预测；

该方法的实现包括数据采集、数据处理、模型构建、模型训练、误差评价以及价格预测，其中模型构建基于LSTM构建模型。

该方法能够实现优化生产投入要素、产销精准对接和价格预警等，以此推动水果产业供给侧结构性改革，提升水果产业质量效益和竞争力，促进农业农村数字经济发展。

优选的，所述数据的采集除该水果本身的相关数据，还同步采集其竞品价格数据的周、月、年价格相关数据。

相关数据包括该水果的历史价格、产量、消费量、GDP总量和增长率、主要竞品产量和价格、中国人口结构变化情况、该水果冷库储藏价格和数量、国内物流运输成本以及与苹果相关的自然灾害数据、居民消费价格指数CPI等因素，通过爬取国家、行业相关网站公开信息，查找科技文献、统计年鉴等渠道，采集到这些数据。

优选的，采集的所述竞品种类为5类；

所述水果为苹果，所述竞品种类包括香梨、香蕉、西瓜、葡萄和哈密瓜。

进一步的，对采集的数据进行数据规范化处理后，进一步进行降维处理；对相关因素进行典型相关分析，得出各维数据与待预测水果价格的相关度。

数据规范化处理包括格式统一、字典替换、空值处理等，同时还要对各类数据通过分析以及趋势图展示等手段发现异常数据值，对个别异常数据值采取平均替换或者去除等方式进行人工干预处理。

在此基础上，主要考虑常见的苹果竞品有香梨、香蕉、西瓜、葡萄、哈密瓜等五类水果，并对这五类数据过的价格进行整理和简单计算，得到其周、月、年价格。

由于维度过高并不能保证准确率的同步提高，但数据降维可加速模型训练与计算，舍弃掉相关性并不强或负相关的因素，可以进一步提高预测准确性，故对数据规范化处理后的数据进行进一步的降维处理。

优选的，所述模型构建，将已处理完成的规范化数据集分为训练集和测试集，然后搭建LSTM神经网络结构，并根据相关误差进行参数调整；