基于組合模型的某農場電商生鮮農產品需求預測研究

馬佳玉，孫宗軍 MA Jiayu, SUN Zongjun

（1. 西安汽車職業大學，陜西 臨潼 710038；2. 山東科技大學，山東 青島 266590）

0 引 言

隨著國民經濟的迅猛發展，生鮮農產品市場規模也日益擴大，數據資料[1]顯示肉類、水產品、水果、奶類及蛋禽類總產量由2007 年的4 065.9 萬t 增加到2018 年的47 075.8 萬t，蔬菜產量由2007 年的15 615 千hm增加到2018 年的20 439 千hm。面對日益復雜的生鮮農產品的供需現狀，如何準確把握生鮮農產品的發展方向與增長趨勢，已經成為困擾農產品經營企業發展的難題。

現有的人工神經網絡、徑向基神經網絡、趨勢外推法、多元線性回歸模型、灰色模型、時間序列模型、支持向量機[等單一預測模型都難以消除自身的缺陷，應用于需求量短期精準預測時往往誤差較大。將多個單一預測模型進行科學組合，可以有效克服單一預測方法局限，因而組合預測模型在需求預測中預測結果精度更高。曹霜通過建立小波分析下的SVMARIMA 組合模型，并提取4 個影響變化趨勢的影響因素對農產品價格進行了預測；黃凱提出了基于GM 模型、BP 神經網絡和RBF 神經網絡的生鮮農產品冷鏈物流需求組合預測模型，對我國2018～2022 年的生鮮農產品冷鏈物流需求量進行了預測；崔毅充分發揮灰色理論和馬爾科夫鏈的自身優勢，構建了灰色馬爾科夫預測模型，預測了青島市2018～2024 年的冷鏈物流需求，為青島未來冷鏈物流的發展提供參考。

本文基于Sharply 值權重分配法構建了ARIMA-SVM 組合預測模型，應用于青島某農場生鮮農產品的需求量預測，并采用RMSE、MAE 和MAPE 對ARIMA 模型、SVM 模型及ARIMA-SVM 組合模型的預測精度準確進行評判，預測模型及結果可為農產品經營企業生鮮農產品生產規劃提供理論指導。

1 相關模型

1.1 ARIMA 模型。ARIMA 模型即為差分自回歸移動平均模型，是一種可以用于時間序列數據的預測方法，ARIMA 模型的控制主要通過自回歸系數p、移動平均項數q 及平穩序列差分次數d 實現。ARIMAp,q,d )表達式如式（1） 所示。

式中：y^為組合預測值；λ為ARIMA 模型在組合預測模型中占比；λ為SVM 模型在組合預測模型中占比；y^為ARIMA模型的預測值；y^為SVM 模型的預測值。

2 農場電商生鮮農產品需求量預測指標體系

從青島市某農場電商生鮮農產品的供給狀況、社會經濟環境、人文因素、載運情況、線上影響5 個角度選取影響因素。對選取影響指標進行收集整理，得到物流需求量指標體系如表1 所示：

表1 生鮮農產品需求量指標體系表

3 某農場生鮮農產品需求預測分析

3.1 組合模型參數確定。本文選取了ARIMA 模型以及SVM 模型進行Sharply 值組合，兩種模型的權重分別在1/2 附近，為保證組合預測模型預測效果的準確性，需要進行統計學分析，結果如表2 所示：

表2 單一預測模型權重分配統計結果

圖1 多種模型預測生鮮農產品需求量擬合效果

選擇RMSE、MAE 以及MAPE 對三種預測模型的準確性進行評判，其中：RMSE 為均方根誤差，用來表征預測結果的離散程度，在進行非線性擬合時RMSE 越小越好；MAE 為平均絕對誤差，對預測偏差直接計算平均，MAE 值越小則預測模型精確度越好；MAPE 為平均絕對百分誤差，MAPE 為0%是完美模型，MAPE 大于100%是劣質模型。三種模型預測結果誤差分析如表3 所示。

表3 多種模型預測結果誤差表

對比三種預測模型的RMSE，組合預測模型預測精度最高，ARIMA 模型預測精度次之，SVM 模型預測結果存在局部較大偏差；對比三種預測模型的MAE，組合預測模型的預測結果更優；對比三種預測模型的RMSE，組合模型、ARIMA 模型預測值較實際值分別偏離0.4%、0.9%，預測模型的預測結果可靠，SVM 模型預測值較實際值偏離2.1%，預測精度稍遜。因此，ARIMA 模型與SVM 模型在需求量預測整體趨勢上表現出良好的擬合優度，但在部分區間內需求量預測結果欠佳；Sharply 值組合預測模型兼顧ARIMA 模型與SVM 模型的優勢，能夠完整、可靠地進行生鮮農產品需求量的預測。

提取農場生鮮農產品銷售數據，選用ARIMA 模型、SVM 模型以及Sharply 值組合模型分別進行2019 年第4 季度需求量預測，如表4 所示。結果表明，Sharply 值組合模型在短期預測中可以達到較好的預測效果，預測結果有較強的實際應用價值和指導意義。

表4 2019 年第4 季度生鮮農產品需求量預測

4 結 論

本文通過Sharply 值法構建了ARIMA-SVM 組合模型，并基于ARIMA 模型、SVM 模型以及Sharply 值組合模型進行了某農場電商生鮮農產品的需求量預測，主要得出以下結論：（1） 在統計學分析的基礎上，確定了Sharply 值的ARIMA-SVM 組合模型為y^=0.5717y^+0.4282y^。（2） 需求量誤差分析結果顯示，ARIMA 模型與SVM 模型在需求量整體趨勢預測表現良好，但部分區間預測結果欠佳；Sharply 值組合預測模型顯著提高了預測精度，能夠完整、可靠地進行生鮮農產品需求量的預測。（3）Sharply 值的組合模型對該農場2019 年第4 季度需求量預測效果較為可靠，預測結果可以為農場生鮮農產品產銷提供理論指導。