基于BP神經(jīng)網(wǎng)絡的食品價格的預測

閆 妍，張云鵬，張一弛，彭若晨

（1.西北工業(yè)大學 機電學院，陜西 西安 710072；2.西北工業(yè)大學 自動化學院，陜西 西安 710072）

食品價格是居民消費價格指數(shù)的重要組成部分，食品價格波動直接影響居民生活成本和農(nóng)民收入，是關系國計民生的重要戰(zhàn)略問題。2000年以來，我國城鎮(zhèn)居民家庭食品消費支出占總支出的比重一直維持在36%以上。在收入增長緩慢的情況下，食品價格上漲將使人民群眾明顯感到生活成本增加，特別是食品價格上漲將降低低收入群體的生活質(zhì)量。在世界經(jīng)濟形勢嚴峻復雜及不確定性增加的背景下，保持我國食品價格相對穩(wěn)定是關系國計民生、保持國民經(jīng)濟平穩(wěn)較快發(fā)展的重要環(huán)節(jié)。因此，對食品價格的預測及其規(guī)律的研究對我國相關政策的制定和實施具有重要的理論價值和實際[1]。

人工神經(jīng)網(wǎng)絡是一種模擬人腦信息處理方法的非線性系統(tǒng)，具有較強的非線性處理能力和自學習能力[2]。近年來迅速發(fā)展的人工神經(jīng)網(wǎng)絡，由于具有人腦思維的特點和具有自學習、自適應及自組織的功能，應用于模式分類與識別有適應性強、客觀性好的優(yōu)點，已廣泛地用于系統(tǒng)控制和預測等方面。通過運用人工神經(jīng)網(wǎng)絡的多層神經(jīng)網(wǎng)絡對食品價格的實測值及其相關因子進行訓練學習，從而建立食品價格的相關模型，再用此模型對食品價格進行預測預警，以達到對食品預測預警的作用[3]。

1 食品價格分析

1.1 根據(jù)相關統(tǒng)計網(wǎng)站的數(shù)據(jù)，分析食品價格的波動特點

將食品按類型，分為以下幾大類如表一所示：米面類（1~3）、油類（4~6）、肉類（7~14），魚類（15~17），蔬菜類（18~25）。計算同種食品相鄰時間點內(nèi)增長率，繪制不同食品的增長率時間曲線，繪制一元線性回歸曲線。通過變化曲線與居民價格指數(shù)CPI進行對比分析。

1.2 對2014年食品價格走勢進行預測

結合各類食品的消費指數(shù)（CPI），各時間段對食品價格的影響運用人工神經(jīng)網(wǎng)絡的多層神經(jīng)網(wǎng)絡對5月份的食品價格走勢進行預測。

2 模型的建立與求解

根據(jù)相關統(tǒng)計網(wǎng)站的數(shù)據(jù)，分析食品價格的波動特點。建立各類食品價格變動趨勢，繪制一元線性曲線圖表。采用Matlab繪制食品價格曲線，圖1所示為城市居民肉類價格曲線，圖2所示為城市居民魚類價格曲線，圖3所示為城市居民蔬菜類價格曲線。

表1 各類食品價格表Tab.1 Price list of each kind of food

圖1 城市居民肉類價格圖Fig.1 Price curve of meat of citizens

圖2 城市居民魚類價格圖Fig.2 Price curve of fish of citizens

圖3 城市居民蔬菜類價格圖Fig.3 Price curve of vegetables of citizens

通過上述曲線圖可觀察到：

1）肉類價格變化趨勢均為相對平衡，呈現(xiàn)較好的發(fā)展勢頭。

2）魚類的價格增長率預測結果則相差很大，呈現(xiàn)較大波動，這類食品的價格不以預測，遭受外界因素的影響較大。

3）蔬菜類的價格增長率的變動則變化很大，時而猛增，時而猛降，呈現(xiàn)出極為不規(guī)則的變化，一般這樣的食品會對CPI的變化產(chǎn)生較大的影響。

西紅柿由于其運輸?shù)牟环奖阈允蛊涞膬r格則很可能穩(wěn)增不降，需要加強調(diào)控的力度，以防價格超出消費者正常接受范圍。土豆、豆角的價格則呈現(xiàn)穩(wěn)降不增，這也需要加大調(diào)控力度，以防菜農(nóng)不必要的損失。

在1月下旬，2月上旬，各類食品價格有明顯上漲。而此時間段正值中國傳統(tǒng)節(jié)日——春節(jié)，人們對食品的需求量大大增加，購買力增強，導致食品價格上漲。

3 神經(jīng)網(wǎng)絡預測模型

人工神經(jīng)網(wǎng)絡是一種模仿人類神經(jīng)系統(tǒng)的數(shù)學模型，是由大量的處理單元（神經(jīng)元，即網(wǎng)絡節(jié)點）組成的高度并行的非線性動力學系統(tǒng)。對于任意一種隨機的，正態(tài)的數(shù)據(jù)，都可應用人工神經(jīng)網(wǎng)絡進行系統(tǒng)分析，作出擬合預測。主要神經(jīng)網(wǎng)絡的學習方式與用途有很多種類，其中具有誤差反向傳播算法的BP網(wǎng)絡是目前應用最廣的一種人工神經(jīng)網(wǎng)絡結構，單隱藏層BP人工神經(jīng)網(wǎng)絡結構如圖所示，輸入層、隱藏層和輸出層各層均由大量簡單互不相連的神經(jīng)元組成，而不同層之間通過權值連接。輸入神經(jīng)元將收到的輸入數(shù)據(jù)傳輸?shù)诫[藏層神經(jīng)元，而隱藏層和輸出層神經(jīng)元將它們各自的輸入通過一個非線性傳遞函數(shù)計算后輸出。BP神經(jīng)網(wǎng)絡[7]為多層前饋網(wǎng)絡，數(shù)據(jù)信息單方向地從輸入層傳輸?shù)诫[藏層再傳輸?shù)捷敵鰧樱皩由窠?jīng)元的輸出不能反饋到更前層，其結構示意圖如圖4所示。

圖4 神經(jīng)網(wǎng)絡預測模型Fig.4 Forecasting model based on neural net

同樣將定性化數(shù)據(jù)量化，作為預測數(shù)據(jù)，進行未來5月食品價格預測。利用Matlab建立BP神經(jīng)網(wǎng)絡對食品價格進行預測，預測結果如圖5~7所示。

由圖5~7可知該BP神經(jīng)網(wǎng)絡對于2014年5月食品價格預測結果與實測數(shù)據(jù)基本吻合，因此該神經(jīng)網(wǎng)絡比較可靠準確，可以利用其進行食品價格預測。將中國統(tǒng)計局網(wǎng)站上最新數(shù)據(jù)各類食品價格等分別作為輸出層的單輸出結果，利用訓練好的BP神經(jīng)網(wǎng)絡進行預測。

預測結果：肉類價格平穩(wěn)；魚類變化較大，無法進行準確的預測；蔬菜類總體不變。

圖5 肉類實際價格與預測價格曲線Fig.5 Actual price curve and forecasting price curve of meat

圖6 魚類實際價格與預測價格曲線Fig.6 Actual price curve and forecasting price curve of fish

圖7 蔬菜類實際價格與預測價格曲線Fig.7 Actual price curve and forecasting price curve of vegetable

4 結論

該模型的優(yōu)點是：在該研究中能夠充分利用到了相關網(wǎng)站中所提供的數(shù)據(jù)，建立一元線性函數(shù)曲線，能直觀的反映出各個食品價格與CPI的關系。在預測中建立的神經(jīng)網(wǎng)絡模型具有非線性映射，自學習自映射能力，能自動提取數(shù)據(jù)，輸出數(shù)據(jù)間的合理規(guī)則，從而做出預測。該模型也存在一定的缺點：神經(jīng)網(wǎng)絡算法的收斂速度較慢，該研究中數(shù)據(jù)較多，處理起來有些困難。通過借助于神經(jīng)網(wǎng)絡建立的模型，可以預測的結果是：肉類價格平穩(wěn)；魚類變化較大，無法進行準確的預測；蔬菜類總體不變。

該模型在數(shù)據(jù)的對比與預測中較為成功，可見模型的適用性較強。也可將該模型推廣到房價，人口等各個方面的問題。而神經(jīng)網(wǎng)絡模型在解決經(jīng)濟預測，組合優(yōu)化等各方面也具有一定的優(yōu)勢。

[1]李靜，楠玉.我國食品價格波動沖擊路徑的隨機因素分析[J].經(jīng)濟經(jīng)緯，2013（2）：28-32.LI Jing，NAN Yu.The analysis of stochastic factors impact effect on the path of food price fluctuations[J].Economic Survey，2013（2）:28-32.

[2]季剛，姚艷，江雙五.基于徑向神經(jīng)網(wǎng)絡的月降水量預測模型研究[J].計算機技術與發(fā)展，2013，23（12）：186-189.JI Gang，YAO Yan，JIANG Shuang-wu.Research on monthly rainfall forecast model based on RBF neural network[J].Computer Technology and Deveelopment，2013，23 （12）:186-189.

[3]閆妍，張云鵬，李鎧月，等.基于BP神經(jīng)網(wǎng)絡的西安環(huán)境空氣質(zhì)量的預測[J].電子設計工程，2013（21）：54-57.YAN Yan，ZHANG Yun-peng，LAI KAI-yue，et al.Forecast of Xi’an ambient air quality based on BP neural network[J].Electronic Desing Engineering，2013（21）:54-47.

[4]杜先君，余萍，王強.結合神經(jīng)網(wǎng)絡的一般模型控制策略研究[J].工業(yè)儀表與自動化裝置，2013（1）:12-14.DUXian-jun，YUPing，WANGQiang.Study on GMCcombined with neural network control strategy[J].Industrial Instrumentation ＆ Automation，2013（1）:12-14.

[5]朱英.改進的BP神經(jīng)網(wǎng)絡預測模型及其應用[J].武漢理工大學學報：交通科學與工程版，2012，36（6）:1252-1255.ZHU Ying.Prediction Model of Improved BP Neural Network Its Application[J].Journal of Wuhan University of Technology：Transortation Science＆ Engineering，2012，36（6）:1252-1255.

[6]石洪景，黃和亮.基于主成分分析的商品價格影響因素研究[J].北京航空航天大學學報：社會科學版，2012，25（5）:77-80.SHI Hong-fing，HUANG He-liang.Study on the influencing factors to food price based on principal component analysis[J].Journal of Beijing University of Aeronautics and Astronautics：Social Sciences Edition，2012，25（5）:77-80.

[7]魏江濤，陳方濤，姜美雷.BP神經(jīng)網(wǎng)絡在設備故障診斷方面的應用[J].現(xiàn)代電子技術，2012（19）:131-134.WEI Jiang-tao，CHEN Fang-tao，JIANG Mei-lei.Application of BP neural network in fault diagnosis of radar device[J].Modern Electronics Technique，2012（19）:131-134.