基于Dropout神經網絡的農產品價格預測研究

張榮臻 胡堅

摘要：本文探究了Dropout神經網絡在農產品價格預測的應用，改進預測效果。實驗表明，同等網絡結構情況下，Dropout神經網絡的農產品價格預測優于普通神經網絡。

關鍵詞：價格預測;Dropout;神經網絡

中圖分類號：TP391.41 文獻標識碼：A 文章編號：1007-9416（2018）11-0049-01

隨著計量經濟學方法在農產品價格預測領域的逐漸推廣與應用，定量研究方法逐漸居于主導地位。定量分析方法是借助一定的數學方法，將歷史統計數據進行加工整理，揭示變量與變量么間的規律性聯系[1]。對農產品價格進行預測的方法很多，主要包括：回歸分析方法、時間序列預測法、組合預測方法、智能預測方法、集成預測方法等[2]。不同的預測方法各有其優缺點，但是隨著神經網絡技術的發展，特別是深度學習的發展，使用神經網絡模型進行預測成為一種性能較高的方法。傳統的神經網絡規模較小，預測精度不容易達到要求，所以擴大神經網絡規模是提升精度的一個有效途徑。但是農產品價格數據的數據規模通常較小，在這種情況下訓練一個大型的神經網絡，通常很容易引起過擬合，即在測試集上的精度很低。本文探究了Dropout神經網絡模型在農產品價格預測方面的應用效果，以期找到提升農產品價格預測準確率的一種新方法。

1 研究方法

1.1 Dropout神經網絡原理

深度神經網絡的訓練中，需要去克服的兩大缺點：容易過擬合、訓練時間長。根據Geoffrey E.Hinton的研究，Dropout可以比較有效的緩解過擬合的發生，同時也減少了模型訓練的時間。圖1（a）所示描述了一個普通神經網絡的結構，圖1（b）所示描述了一個Dropout神經網絡的結構。

對比圖中的兩種神經網絡，Dropout神經網絡在每輪網絡訓練的過程中會隨機（臨時）刪掉網絡中一部分的隱藏神經元，圖1（b）中虛線節點表示臨時被刪除的神經元，根據臨時的神經網絡進行前向傳播和修正權重w。通過Dropout方法訓練出來的神經網絡，由于神經元節點減少權重w會被放大。而在預測階段需要用到所有神經元，所以權重w需要乘以刪除節點的概率p，以保障預測的效果。

1.2 模型設計

農產品價格波動性強，淺層的神經網絡并不能很好地去擬合價格曲線，因此通過加大網絡深度來進行農產品價格預測。模型一共有7層，輸入層的神經元個數與輸入數據的維度相對應。由于網絡層數變多，模型的擬合能力增強了，使用普通的訓練方法容易導致過擬合，因此采用了Dropout訓練方式。

2 實驗及結果評價

實驗數據來源于國家統計局的全國居民消費價格指數數據，實驗中選用了2009年11月到2018年10月期間的月度數據（上月為基），包含鮮菜類、糧食類、蛋類、水產品類、鮮果類等類別的價格指數數據。經處理后，保留原有數據的同時，計算出了以2009年10月各類居民消費價格為基準的數據，并以鮮菜類價格指數（2009年10月為基）作為預測目標值。其中2009年到2016年的數據作為訓練樣本，2017年到2018年的數據作為測試樣本。

實驗使用上述數據開展，分別對普通神經網絡和Dropout神經網絡進行訓練，之后分別進行價格預測并對比預測效果。實驗程序在Anaconda環境下，使用Python語言編寫。

2.1 特征工程

農產品價格波動頻繁，其中隱藏著周期性。因此在特征提取的時候，通過不同的時間窗口的數據提取，間接地反映數據變化規律。這里主要提取不同時間窗口內的平均值和標準差。另外保留相對數據，更加直觀地反映其趨勢特征。總計提取了80維的特征，如表1所示。

2.2 實驗結果及分析

使用訓練樣本和測試樣本，分別對普通神經網絡和Dropout神經網絡進行訓練和預測。當誤差控制在0.02后終止訓練，使用所得的模型進行預測，得到的預測效果如圖2所示。從圖中可以看出，Dropout神經網絡的誤差更小一些，具有較優的預測精度和穩定性。

3 結語

基于Dropout神經網絡的農產品價格預測模型，能較好地對農產品價格的波動做出預測。相比普通方法訓練的神經網絡模型，使用Dropout訓練方法的預測精度有明顯的提升。由于數據集規模較小，模型的訓練效果受限，下一步需在較大規模的數據集上驗證模型的預測效果。

參考文獻

[1]任偉宏.農產品市場價格預測方法探析[J].中國農學通報，2011，（26）：209-212.

[2]牛超.農產品市場價格的集成預測方法研究[D].華中師范大學，2016.

Price Prediction of Agricultural Products Based on Dropout Neural Network

ZHANG Rong-zhen， HU Jian

（Zhejiang Institute of Economics and Trade， Hangzhou Zhejiang? 310000）

Abstract：This paper explores the application of Dropout neural network in agricultural product price forecasting， improve the prediction effect. experiments show that， In the case of the same network structure， dropout neural network is superior to ordinary neural network in price forecasting of agricultural products.

Key words：price forecasting; Dropout; neural network