基于BP神經(jīng)網(wǎng)絡(luò)的食品價(jià)格的預(yù)測(cè)

閆 妍，張?jiān)迄i，張一弛，彭若晨

（1.西北工業(yè)大學(xué) 機(jī)電學(xué)院，陜西 西安 710072；2.西北工業(yè)大學(xué) 自動(dòng)化學(xué)院，陜西 西安 710072）

食品價(jià)格是居民消費(fèi)價(jià)格指數(shù)的重要組成部分，食品價(jià)格波動(dòng)直接影響居民生活成本和農(nóng)民收入，是關(guān)系國(guó)計(jì)民生的重要戰(zhàn)略問(wèn)題。2000年以來(lái)，我國(guó)城鎮(zhèn)居民家庭食品消費(fèi)支出占總支出的比重一直維持在36%以上。在收入增長(zhǎng)緩慢的情況下，食品價(jià)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(jià)格上漲將降低低收入群體的生活質(zhì)量。在世界經(jīng)濟(jì)形勢(shì)嚴(yán)峻復(fù)雜及不確定性增加的背景下，保持我國(guó)食品價(jià)格相對(duì)穩(wěn)定是關(guān)系國(guó)計(jì)民生、保持國(guó)民經(jīng)濟(jì)平穩(wěn)較快發(fā)展的重要環(huán)節(jié)。因此，對(duì)食品價(jià)格的預(yù)測(cè)及其規(guī)律的研究對(duì)我國(guó)相關(guān)政策的制定和實(shí)施具有重要的理論價(jià)值和實(shí)際[1]。

人工神經(jīng)網(wǎng)絡(luò)是一種模擬人腦信息處理方法的非線性系統(tǒng)，具有較強(qiáng)的非線性處理能力和自學(xué)習(xí)能力[2]。近年來(lái)迅速發(fā)展的人工神經(jīng)網(wǎng)絡(luò)，由于具有人腦思維的特點(diǎn)和具有自學(xué)習(xí)、自適應(yīng)及自組織的功能，應(yīng)用于模式分類與識(shí)別有適應(yīng)性強(qiáng)、客觀性好的優(yōu)點(diǎn)，已廣泛地用于系統(tǒng)控制和預(yù)測(cè)等方面。通過(guò)運(yùn)用人工神經(jīng)網(wǎng)絡(luò)的多層神經(jīng)網(wǎng)絡(luò)對(duì)食品價(jià)格的實(shí)測(cè)值及其相關(guān)因子進(jìn)行訓(xùn)練學(xué)習(xí)，從而建立食品價(jià)格的相關(guān)模型，再用此模型對(duì)食品價(jià)格進(jìn)行預(yù)測(cè)預(yù)警，以達(dá)到對(duì)食品預(yù)測(cè)預(yù)警的作用[3]。

1 食品價(jià)格分析

1.1 根據(jù)相關(guān)統(tǒng)計(jì)網(wǎng)站的數(shù)據(jù)，分析食品價(jià)格的波動(dòng)特點(diǎn)

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(yú)類（15~17），蔬菜類（18~25）。計(jì)算同種食品相鄰時(shí)間點(diǎn)內(nèi)增長(zhǎng)率，繪制不同食品的增長(zhǎng)率時(shí)間曲線，繪制一元線性回歸曲線。通過(guò)變化曲線與居民價(jià)格指數(shù)CPI進(jìn)行對(duì)比分析。

1.2 對(duì)2014年食品價(jià)格走勢(shì)進(jìn)行預(yù)測(cè)

結(jié)合各類食品的消費(fèi)指數(shù)（CPI），各時(shí)間段對(duì)食品價(jià)格的影響運(yùn)用人工神經(jīng)網(wǎng)絡(luò)的多層神經(jīng)網(wǎng)絡(luò)對(duì)5月份的食品價(jià)格走勢(shì)進(jìn)行預(yù)測(cè)。

2 模型的建立與求解

根據(jù)相關(guān)統(tǒng)計(jì)網(wǎng)站的數(shù)據(jù)，分析食品價(jià)格的波動(dòng)特點(diǎn)。建立各類食品價(jià)格變動(dòng)趨勢(shì)，繪制一元線性曲線圖表。采用Matlab繪制食品價(jià)格曲線，圖1所示為城市居民肉類價(jià)格曲線，圖2所示為城市居民魚(yú)類價(jià)格曲線，圖3所示為城市居民蔬菜類價(jià)格曲線。

表1 各類食品價(jià)格表Tab.1 Price list of each kind of food

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

圖2 城市居民魚(yú)類價(jià)格圖Fig.2 Price curve of fish of citizens

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

通過(guò)上述曲線圖可觀察到：

1）肉類價(jià)格變化趨勢(shì)均為相對(duì)平衡，呈現(xiàn)較好的發(fā)展勢(shì)頭。

2）魚(yú)類的價(jià)格增長(zhǎng)率預(yù)測(cè)結(jié)果則相差很大，呈現(xiàn)較大波動(dòng)，這類食品的價(jià)格不以預(yù)測(cè)，遭受外界因素的影響較大。

3）蔬菜類的價(jià)格增長(zhǎng)率的變動(dòng)則變化很大，時(shí)而猛增，時(shí)而猛降，呈現(xiàn)出極為不規(guī)則的變化，一般這樣的食品會(huì)對(duì)CPI的變化產(chǎn)生較大的影響。

西紅柿由于其運(yùn)輸?shù)牟环奖阈允蛊涞膬r(jià)格則很可能穩(wěn)增不降，需要加強(qiáng)調(diào)控的力度，以防價(jià)格超出消費(fèi)者正常接受范圍。土豆、豆角的價(jià)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(jià)格有明顯上漲。而此時(shí)間段正值中國(guó)傳統(tǒng)節(jié)日——春節(jié)，人們對(duì)食品的需求量大大增加，購(gòu)買力增強(qiáng)，導(dǎo)致食品價(jià)格上漲。

3 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型

人工神經(jīng)網(wǎng)絡(luò)是一種模仿人類神經(jīng)系統(tǒng)的數(shù)學(xué)模型，是由大量的處理單元（神經(jīng)元，即網(wǎng)絡(luò)節(jié)點(diǎn)）組成的高度并行的非線性動(dòng)力學(xué)系統(tǒng)。對(duì)于任意一種隨機(jī)的，正態(tài)的數(shù)據(jù)，都可應(yīng)用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行系統(tǒng)分析，作出擬合預(yù)測(cè)。主要神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)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(luò)是目前應(yīng)用最廣的一種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，單隱藏層BP人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖所示，輸入層、隱藏層和輸出層各層均由大量簡(jiǎn)單互不相連的神經(jīng)元組成，而不同層之間通過(guò)權(quán)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(guò)一個(gè)非線性傳遞函數(shù)計(jì)算后輸出。BP神經(jīng)網(wǎng)絡(luò)[7]為多層前饋網(wǎng)絡(luò)，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(jié)構(gòu)示意圖如圖4所示。

圖4 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)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(yù)測(cè)數(shù)據(jù)，進(jìn)行未來(lái)5月食品價(jià)格預(yù)測(cè)。利用Matlab建立BP神經(jīng)網(wǎng)絡(luò)對(duì)食品價(jià)格進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如圖5~7所示。

由圖5~7可知該BP神經(jīng)網(wǎng)絡(luò)對(duì)于2014年5月食品價(jià)格預(yù)測(cè)結(jié)果與實(shí)測(cè)數(shù)據(jù)基本吻合，因此該神經(jīng)網(wǎng)絡(luò)比較可靠準(zhǔn)確，可以利用其進(jìn)行食品價(jià)格預(yù)測(cè)。將中國(guó)統(tǒng)計(jì)局網(wǎng)站上最新數(shù)據(jù)各類食品價(jià)格等分別作為輸出層的單輸出結(jié)果，利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。

預(yù)測(cè)結(jié)果：肉類價(jià)格平穩(wěn)；魚(yú)類變化較大，無(wú)法進(jìn)行準(zhǔn)確的預(yù)測(cè)；蔬菜類總體不變。

圖5 肉類實(shí)際價(jià)格與預(yù)測(cè)價(jià)格曲線Fig.5 Actual price curve and forecasting price curve of meat

圖6 魚(yú)類實(shí)際價(jià)格與預(yù)測(cè)價(jià)格曲線Fig.6 Actual price curve and forecasting price curve of fish

圖7 蔬菜類實(shí)際價(jià)格與預(yù)測(cè)價(jià)格曲線Fig.7 Actual price curve and forecasting price curve of vegetable

4 結(jié)論

該模型的優(yōu)點(diǎn)是：在該研究中能夠充分利用到了相關(guān)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(gè)食品價(jià)格與CPI的關(guān)系。在預(yù)測(cè)中建立的神經(jīng)網(wǎng)絡(luò)模型具有非線性映射，自學(xué)習(xí)自映射能力，能自動(dòng)提取數(shù)據(jù)，輸出數(shù)據(jù)間的合理規(guī)則，從而做出預(yù)測(cè)。該模型也存在一定的缺點(diǎn)：神經(jīng)網(wǎng)絡(luò)算法的收斂速度較慢，該研究中數(shù)據(jù)較多，處理起來(lái)有些困難。通過(guò)借助于神經(jīng)網(wǎng)絡(luò)建立的模型，可以預(yù)測(cè)的結(jié)果是：肉類價(jià)格平穩(wěn)；魚(yú)類變化較大，無(wú)法進(jìn)行準(zhǔn)確的預(yù)測(cè)；蔬菜類總體不變。

該模型在數(shù)據(jù)的對(duì)比與預(yù)測(cè)中較為成功，可見(jiàn)模型的適用性較強(qiáng)。也可將該模型推廣到房?jī)r(jià)，人口等各個(gè)方面的問(wèn)題。而神經(jīng)網(wǎng)絡(luò)模型在解決經(jīng)濟(jì)預(yù)測(cè)，組合優(yōu)化等各方面也具有一定的優(yōu)勢(shì)。

[1]李靜，楠玉.我國(guó)食品價(jià)格波動(dòng)沖擊路徑的隨機(jī)因素分析[J].經(jīng)濟(jì)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(luò)的月降水量預(yù)測(cè)模型研究[J].計(jì)算機(jī)技術(shù)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?jiān)迄i，李鎧月，等.基于BP神經(jīng)網(wǎng)絡(luò)的西安環(huán)境空氣質(zhì)量的預(yù)測(cè)[J].電子設(shè)計(jì)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(qiáng).結(jié)合神經(jīng)網(wǎng)絡(luò)的一般模型控制策略研究[J].工業(yè)儀表與自動(dòng)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(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型及其應(yīng)用[J].武漢理工大學(xué)學(xué)報(bào)：交通科學(xué)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(jià)格影響因素研究[J].北京航空航天大學(xué)學(xué)報(bào)：社會(huì)科學(xué)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(luò)在設(shè)備故障診斷方面的應(yīng)用[J].現(xiàn)代電子技術(shù)，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.