區域性時令農產品價格實時預警系統的研究與設計

王翠 解心江 黃芳

摘要：針對區域性時令農產品價格波動過大的問題，探討構建區域性時令農產品價格實時預警系統的方案，設計開發基于全球廣域網（world wide web，簡稱web）的區域性時令農產品價格實時預警系統，以山東省濟南市的生姜為例，通過動態收集生產數據并結合已有數據，預測生姜的價格并進行預警。該系統包含4個模塊，分別具有如下功能：數據采集模塊收集農戶的基本信息和生產數據（如預種植面積、預期收益等）;數據處理模塊對數據進行規范性和有效性檢驗;價格預警模塊用BP人工神經網絡模型進行價格的預測并進行預警，作為農戶最終決策的依據;系統維護模塊主要進行后期數據的修改和導入。系統旨在為農戶提供高可靠性的生產前期預測，為組織生產提供決策依據，引導農戶合理安排生產活動，有效緩和“扎堆種植”引起的價格波動，避免“價低傷農”現象的發生，進而保障區域內農業經濟健康穩定發展。

關鍵詞：區域時令農產品;價格實時預警系統;BP神經網絡;數據采集;數據處理;系統維護;生姜

農產品價格的異常波動不僅會影響農民收入，還會影響區域性農業的生產發展，甚至影響國民經濟其他部門價格水平以及整個物價水平。掌握農產品價格變化趨勢以及引起價格變動的主要因素，有利于引導生產者合理種植和經營，從而有效提高生產者收益，實現農產品區域供求平衡[1]。隨著“互聯網+”在各行各業的廣泛應用，利用互聯網及系統開發工具，設計開發區域性時令農產品價格實時預警系統，是“互聯網+農業”的一個具體應用實例，在此系統的基礎上，通過數據的采集分析和模型的構建，對農產品未來的價格作出實時預測，并為農戶提供必要的預警信息，從而引導其合理安排生產活動，有效緩和“扎堆種植”引起的價格波動，避免“價低傷農”現象的發生，進而保證區域內農業健康穩定發展。山東省是重要的生姜種植基地，生姜種植一般在每年四五月，10月收獲。近年來，生姜價格波動較大，繼2013年“姜你軍”現象出現后，每隔2～3年生姜價格就會大幅波動1次，對居民消費以及姜農的收益產生了很大影響。本研究以山東省濟南市生姜產品為例，通過采集相關數據，構建生姜的價格預測模型，通過線上動態收集種植面積等反映姜農種植意愿的生產數據，結合已有統計數據，預測下一年的生姜價格，當預測得出的價格低于姜農的預期收益時則發出預警。系統旨在對姜農的生產活動起到一定的參照指導作用。此外，系統還對生姜的一些種植數據和價格變化趨勢進行統計分析和可視化展示，幫助用戶更加直觀地了解生姜種植和價格波動的基本信息。后期，通過對該系統的使用并不斷進行優化，可將其應用于其他時令農產品中去。

1 系統構建思路

本研究從價格聯動機制的基本原理出發，探究農產品價格波動機制，對農戶行為理論進行分析，并通過實地調研生姜的生產、運輸和銷售情況，確定影響價格波動的主要因素;在技術上構建BP神經網絡模型進行價格預測，選擇合適的系統開發相關技術，搭建區域性時令農產品價格實時預警系統平臺，并在平臺上進行數據的采集、模型的建立、價格的預測預警和數據的可視化展示（圖1）。

2 基礎理論研究

2.1 價格聯動機制

價格聯動機制是指下游產品價格因受上游產品價格變動的影響而漲跌趨向一致的價格調整制度。這種機制的最大特點是下游產品價格直接與上游產品價格掛鉤，即上游產品價格上漲時，下游產品隨之上漲;上游產品價格下跌時，下游產品價格隨之下跌[2]。

從全產業鏈角度看，農產品“從田間地頭到餐桌”主要包括生產環節、流通環節和銷售環節。廣義的農產品價格包括生產價格、批發價格、零售價格3種，其中生產價格即上游產品價格，批發價格和零售價格為下游產品價格。穩定價格主要是指穩定農產品的零售價格，從而保證消費者的利益;提高價格主要是指提高農產品的生產價格，從而增加農民收益。必須從全產業鏈的角度厘清價格傳遞機制以及相互之間的影響。

近年來，學術界有關生產價格與零售價格之間關系的研究有很多，并針對2類價格究竟誰帶動誰進行了探討。Cushing等實證分析美國的價格傳導機制，發現從零售價格到生產價格的傳導機制不如從生產價格到零售價格的傳導機制重要[3]。Clark運用回歸分析和向量自回歸（VAR）模型對美國的數據進行實證分析，發現從生產價格到零售價格的傳導機制較微弱[4]。許世衛等選取食品零售價格指數（SPLS）和農產品生產價格總指數（SCJG）作為產銷價格信號，通過脈沖響應函數和方差分解分析，發現產地的農產品市場價格對銷地市場的傳遞效應存在滯后性，并隨著時間的推移越來越明顯，而銷地市場零售價格指數對產地市場生產價格指數的影響逐漸增加但效果不明顯[5]。可見，生產價格的上漲會帶動零售價格大幅上漲，而零售價格的上漲對生產及批發價格的影響不大。

2.2 農產品價格波動研究

國內學者針對農產品價格波動的成因也作了較多的研究。價格波動最基本的形成原因就是市場供求機制，當年農產品價格上漲就會促進農民下年擴大生產，于是陷入“價格上漲—擴大生產—供大于求、價格下跌—減小生產—供不應求、價格再次上漲”的周期循環，即“蛛網理論”[6]。

李桂芹在分析蔬菜全產業鏈價格形成過程中發現，影響蔬菜零售價格波動的主要因素是生產成本和蔬菜的產量[7]。此外，農產品零售價格還受市場需求、貨幣流動性、食品安全等眾多因素影響而具有較強的自主波動性。農產品的生產價格受交通運輸成本、生產資料價格、自然氣候等因素影響，會發生一定的波動。

2.3 農戶行為理論

我國農戶具有小規模、分散經營的特點，農戶生產決策的趨同性和不確定性會引起農產品供給量的波動，從而對農產品價格的波動產生影響。如農戶盲目擴大、縮小規模或逆向調節生產等行為都會引起價格的波動。

農戶在作生產決策時首先考慮的是利潤最大化，農產品的成本、效益以及當年的農產品市場價格會影響用戶的決策，但農戶對價格信息的反應有一定的滯后性[8]。另外，農戶在作出生產決策時還會受到種植習慣的影響，以及傾向于鄰里之間的一致性。因此，能讓農戶實時了解周邊人群的種植意愿，科學預測將來的價格情況，從而指導農戶作出正確的決策是一個亟待解決的問題。

3 模型構建過程

系統中主要是價格預測模型，采用BP神經網絡（back propagation neural network，簡稱BPNN，別稱誤差反向傳播神經網絡），其在快速模擬復雜非線性問題時具有一定的優勢，可以用來描述影響因素與價格之間的映射關系。模型構建首先要確定影響生姜價格的主要因素，然后采集相關數據，將進行預處理后的數據樣本作為BP神經網絡模型的輸入，將生姜的價格作為模型的輸出，通過模型的訓練和參數的調整，進而得到最終的生姜價格預測模型。

3.1 影響價格的因素分析

價格的波動是由多方面因素造成的。從宏觀角度分析，國家的貨幣政策、居民的消費價格指數等會影響價格的波動;從微觀角度分析，供求關系、生產及流通成本等都會影響農產品的價格;從全產業鏈角度分析，生產環節的產量、生產成本等，流通環節的運輸成本、損耗、儲藏和人工費用等，消費環節中居民的收入水平、人口數量、消費價格指數等都會影響農產品最終的零售價格。此外，游資的炒作、上一年的產品價格以及外部調運也會對區域時令農產品的價格產生一定的影響。

綜上分析，對生姜價格波動的主要影響因素有產量、市場供給數量、外運價格水平、居民收入水平和能源價格水平等。由此確定9個影響生姜價格的因素，即種植面積、產量、種植總投入、外運量、常住人口、城鎮人均收入、上一年的生姜價格、柴油價格和消費價格指數。

3.2 數據采集及處理

本研究數據采集時間為2010—2016年，其中種植面積、產量、常住人口、城鎮人均收入、消費價格指數、柴油價格等數據來自歷年濟南市統計局網站的《國民經濟和社會發展統計公報》;種植總投入、外運數量在濟南市官方沒有相關數據，故這2項數據通過社會調查報告的方式獲取;零售價格數據來自“中國蔬菜網”中濟南市3個重要蔬菜批發市場的歷年數據。

不同變量的量綱之間的差異會對建模結果產生不利的影響，因此，為確保各變量之間具有可比性，須要對樣本數據進行規格化處理。本研究將所有變量按照下列公式進行規格化到[0，1]范圍內，以滿足神經網絡的建模要求。

式中：x、y分別表示變量規格化前和規格化后的值;xmax表示變量最大值;xmin表示變量最小值。

3.3 模型設計

構建3層結構的BP神經網絡模型，結果見圖2。其中，輸入值為9個影響因子，輸入層的神經元為9個，輸入的變量X1～X9為生姜價格影響因素經過規格化處理后的值;輸出值Y為生姜的預測價格，輸出層的神經元為1個;隱含層的神經元數量參考經驗公式來確定，其經驗公式為 L=sqrt（x+y）+a，其中x為輸入層節點數，y為輸出層節點個數，a介于4～13之間，具體數值須要經過反復試驗來確定。隱含層的傳遞函數選擇雙曲線正切S型傳遞函數（tansig），線性函數（purelin）作為輸出層的傳遞函數，輸入層與隱含層的權值wij、隱含層與輸出層的權值zkp隨機初始化，訓練函數為學習動量梯度下降算法（traingdx）。網絡訓練的迭代次數可設置為500次，學習率為0.1，學習目標為0.001。

BP神經網絡算法的學習過程由信號的正向傳播與誤差反向傳播2個部分組成。正向傳播時樣本從輸入層傳入，經過隱含層處理后再傳向輸出層。當輸出值與目標值相差很大時，則將輸出誤差以某種形式向隱含層方向傳播，并將誤差分攤給各層神經元，各層神經元以此誤差信號作為修改權值的依據。正向傳播與誤差反向傳播2個過程不斷重復，直到誤差很少，或到達預先設定的迭代時間或迭代次數[9]。經過訓練得到的模型可以用來進行下一年價格的預測（圖3）。

4 系統設計與實現

4.1 系統功能分析

隨著互聯網在城鄉日益普及，農戶的信息化水平已普遍提高，通過建立價格預測預警平臺，引導農戶積極參與，在線實時匯總生產數據，根據這些數據預測價格并計算收益，使農戶可以根據實際情況及時調整生產決策來保證收益。本研究以濟南市生姜產品為例，通過采集相關數據構建生姜的價格預測模型，通過線上動態收集種植面積等反映姜農種植意愿的生產數據，并結合已有數據對下一年的生姜價格進行預測，當預測得出的價格低于農戶的預期收益時發出預警。本系統主要包括數據采集、數據處理、價格預警、系統維護4個功能模塊[10]（圖4）。

4.1.1 數據采集模塊 系統數據主要有基礎數據和環境數據，基礎數據主要由用戶手動輸入完成，用戶首先須要注冊并設置用戶名和密碼，注冊成功后可隨時登錄系統，并可修改個人登錄密碼;基礎數據由用戶登陸后通過輸入界面輸入，如姓名、電話、住址、預種植面積以及預期的收益水平等;區域外部產品對應的環境數據通過上傳文件的形式完成采集。

4.1.2 數據處理模塊 數據處理模塊主要對用戶提交數據的規范性與有效性進行檢驗，對上傳文件的格式進行檢查，轉換成標準格式后存儲到數據庫中，并對缺失數據進行處理。此外，還要對模型的訓練樣本數據進行規格化處理。

4.1.3 價格預警模塊 該模塊分為生產模擬和產品流通模擬2個部分，從數據庫中提取數據，作生產過程和流通過程的模擬處理，然后輸出數據供價格預測模型集成調用。價格預測預警模型的主要功能是根據用戶的輸入數據，計算出預測價格并把預警信息反饋給用戶，作為其調整預決策、作出最終決策的依據;用戶還可以在此模塊查看往年的價格走勢圖、同一作物其他生產者的預決策數據等。

4.1.4 系統維護模塊 該模塊主要具有修改用戶登錄密碼、修改用戶基礎數據、調整預種植數據、設置上傳文件的格式與位置、導入年度經濟統計數據等功能。

4.2 平臺搭建

以一臺全球廣域網（world wide web，簡稱web）服務器為核心，另設數據庫服務器，采用B/S架構，建立基于web的時令農產品（以濟南市生姜為例）信息平臺，各客戶端數據請求均由web服務器提交給數據庫服務器，再由web服務器返回發給請求的客戶端。平臺采用以下WEB軟硬件配置（表1）。

系統的web應用服務器軟件采用Apache，其優點是跨平臺、簡單高效、穩定安全;數據庫采用MySQl，其體積小、速度快、總體擁有成本低、開放源碼，是中小型web應用網站數據庫的優先選擇;PHP作為服務器前端腳本解釋器，其使用廣泛，開發速度較快，非常適合開發中小型的web應用。基于微軟視窗操作系統（Windows）的Apache+PHP+MySQL組合（簡稱AMP）是網站開發的黃金組合，所有的軟件開源免費，可以減少投入[11]。本系統使用的版本是Apache 2.2、PHP 5.6和MySQL 5.7，使用R語言編程實現價格的動態預測模型。其中，R語言和其他編程語言和數據庫之間都有很好的接口，PHP也支持R語言程序。通過PHP的system函數調用R腳本，實現對R腳本的運行，然后通過PHP的文件操作獲取R腳本執行結果。本系統使用的R語言版本是R-3.3。在PHP中運行R程序yuce.r的方法為“system（“D：/R-3.3/bin/R.exe CMD BATCH--vanilla D：/yuce.r”）;”。

網站的安全性問題從硬件和軟件2個方面來保障：（1）硬件方面。為主服務器設置了一臺備份服務器，將WEB服務器設為網關使用雙網卡，對內部機器IP進行合理規劃。（2）軟件方面。數據庫的操作及用戶身份驗證的腳本在服務器端編譯執行，在傳遞時進行多次加密、校驗。同時，安裝病毒防護軟件，并時刻注意升級[12]（圖5至圖7）。

5 結語

本研究設計開發了區域時令農產品價格實時預警系統，該系統的主要任務是價格預測和數據可視化展示， 目的是決策預警。該系統以數量經濟學理論為基礎，從價格聯動機制、價格波動原因和農戶行為理論角度，以探索供給機制入手，結合互聯網、數據挖掘、數據擬合、動態仿真預測等技術手段，使農戶在生產前期能夠利用系統動態獲取較全面的生產信息，從而指導其生產決策，避免由于經濟市場化原因或系統性風險導致“傷農”事件的發生。與國內同類預測相比，該系統的預測結果具有超前可應用性、預測方式的動態有效性、預警方式創新性、預警系統應用的可移植性等特點。本研究成果也可移植到其他地區或其他農產品。

參考文獻：

[1]付俊文. 小農產品價格非常規上漲與構建我國農產品價格穩定長效機制研究[J]. 中央財經大學學報，2011（2）：68-72.

[2]王 虎. 關于建立價格聯動機制問題的幾點思考[J]. 四川物價，2011（9）：4-5.

[3]Cushing M J，McGarvey M G.Feedback between wholesale and consumer price inflation：a re-examination of the evidence[J]. Southern Economic Journal，1990，56（4）：1059-1072.

[4]Clark T E. Do producer prices lead consumer prices？[J]. Economic Review，1995，80（3）：25-39.

[5]許世衛，李哲敏，董曉霞，等. 中國農產品在產銷間價格傳導機制研究[J]. 資源科學，2010，32（11）：2092-2099.

[6]高鴻業. 西方經濟學[M]. 北京：中國人民大學出版社，2011.

[7]李桂芹. 蔬菜全產業鏈價格形成及穩定措施研究[D]. 南京：南京航空航天大學，2015.

[8]宋雨河. 農戶生產決策與農產品價格波動研究——以果類蔬菜為例[D]. 北京：中國農業大學，2015.

[9]宋巧娜，唐德善. 基于灰色理論和BP神經網絡的農業用水量預測[J]. 農機化研究，2007（9）：53-55.

[10]鄺孔武，王曉敏. 信息系統分析與設計[M]. 北京：清華大學出版社，1999.

[11]田文君，申長軍，鄭文剛，等. 農產品價格信息采集與預警系統設計與實現[J]. 計算機工程與設計，2012，33（5）：1816-1821.

[12]于小兵，姚天祥，駱 翔，等. 集成神經網絡和灰色系統的我國農業受災面積預測[J]. 干旱區資源與環境，2016，30（9）：64-70.宋 婧，夏禮如，楊旺生. 現代農業產業園規劃創意——以盱馬路現代農業產業園為例[J]. 江蘇農業科學，2020，48（12）：318-324.