基于時間序列的BP神經網絡豬肉價格預測

摘 要：豬肉價格是不穩定的，起伏變化的，豬肉價格的預測是非線性，非平穩的問題。而神經網絡具有很強的非線性、自組織、自學習能力，能夠很好地處理非線性信息。文章選用基于時間序列的BP神經網絡預測法，對豬肉的價格進行預測，對加大農民養殖利益以及防止生豬生產的市場風險有一定的參考作用。

關鍵詞：BP神經網絡；時間序列；豬肉價格預測

1 概述

BP算法是很成熟的多層前饋網絡訓練算法，BP算法自身有收斂速度慢，容易產生局部極小值和弱推廣能力等問題[1]。但由于BP算法方便簡單，運算速度快，并行性強很多優點，可以用來預測豬肉價格。BP神經網絡分為信息的正向傳播與誤差的逆向傳播兩個部分[2]。在正向傳播過程中，正向傳播包括輸入層、隱含層和輸出層三層，通過這三層的信息處理并輸出，得出預測結果。若實際輸出與期望輸出不符，則進入誤差的逆向傳播階段，按誤差梯度下降的方式修改各層權值，依次逆傳。不斷學習訓練，直到網絡輸出誤差達到可接受范圍[3]。

2 BP神經網絡設計

進行BP網絡設計時，考慮以下幾個方面：

2.1 網絡層數的選定

關于BP神經網絡算法，只關注單因素預測模型，即豬肉價格自身的數據預測。由于查找歷史數據有限，不需選擇增加網絡層數的辦法而是選擇增加隱含層神經元節點的數目來提高輸出結果的精度[4]。所以，選用單一隱層的BP神經網絡模型。

2.2 輸入輸出層神經節點

對于輸出層，有

可以看出，2015年7月份到12月份的豬肉價格預測結果與實際值最大誤差僅為0.01，說明所建模型科學合理，可以用來預測豬肉價格。

3.3 價格預測

運用2014年7月到2016年3月間呂梁某城區每月的豬肉平均價格數據來進行預測。將數據歸一，構建BP神經網絡模型。經過多次實驗得出隱含層節點數為8時，預測誤差最小，擬合度最高。循環次數為5000次，優化目標為0.01，訓練模擬數據后，預測出2016年4月到9月的豬肉價格走勢。

4 結論與分析

通過對豬肉價格本身變化趨勢進行研究，建立了基于時間序列的神經網絡模型。結果對檢測樣本誤差檢測，得出均方誤差較小，表明預測效果良好，說明所建模型較為科學合理。

參考文獻

[1]吳凌云.BP神經網絡學習算法的改進及其應用[J].信息技術，2003：

75-90.

[2]翟旭瑞，呂振中.基于BP神經網絡的大壩安全監測系統評價研究[J].水資源與水工程學報，2007.

[3]平平，方芳，田野.組合預測模型在豬肉價格預測中的應用研究[J].計算機工程與科學，2010（32、5）：109-112.

[4]孫海濤，楊德平，李聰.基于BP神經網絡的我國股指期貨價格預測[J].青島大學學報，2012.

[5]宋玉強.人工神經網絡在時間序列預測中的應用研究[D].2005.

作者簡介：張津（1993，12-），女，山西呂梁人，在讀碩士研究生，主要從事模式識別研究。