基于BP神經網絡的食品價格的預測

閆 妍，張云鵬，張一弛，彭若晨

（1.西北工業大學 機電學院，陜西 西安 710072；2.西北工業大學 自動化學院，陜西 西安 710072）

食品價格是居民消費價格指數的重要組成部分，食品價格波動直接影響居民生活成本和農民收入，是關系國計民生的重要戰略問題。2000年以來，我國城鎮居民家庭食品消費支出占總支出的比重一直維持在36%以上。在收入增長緩慢的情況下，食品價格上漲將使人民群眾明顯感到生活成本增加，特別是食品價格上漲將降低低收入群體的生活質量。在世界經濟形勢嚴峻復雜及不確定性增加的背景下，保持我國食品價格相對穩定是關系國計民生、保持國民經濟平穩較快發展的重要環節。因此，對食品價格的預測及其規律的研究對我國相關政策的制定和實施具有重要的理論價值和實際[1]。

人工神經網絡是一種模擬人腦信息處理方法的非線性系統，具有較強的非線性處理能力和自學習能力[2]。近年來迅速發展的人工神經網絡，由于具有人腦思維的特點和具有自學習、自適應及自組織的功能，應用于模式分類與識別有適應性強、客觀性好的優點，已廣泛地用于系統控制和預測等方面。通過運用人工神經網絡的多層神經網絡對食品價格的實測值及其相關因子進行訓練學習，從而建立食品價格的相關模型，再用此模型對食品價格進行預測預警，以達到對食品預測預警的作用[3]。

1 食品價格分析

1.1 根據相關統計網站的數據，分析食品價格的波動特點

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），魚類（15~17），蔬菜類（18~25）。計算同種食品相鄰時間點內增長率，繪制不同食品的增長率時間曲線，繪制一元線性回歸曲線。通過變化曲線與居民價格指數CPI進行對比分析。

1.2 對2014年食品價格走勢進行預測

結合各類食品的消費指數（CPI），各時間段對食品價格的影響運用人工神經網絡的多層神經網絡對5月份的食品價格走勢進行預測。

2 模型的建立與求解

根據相關統計網站的數據，分析食品價格的波動特點。建立各類食品價格變動趨勢，繪制一元線性曲線圖表。采用Matlab繪制食品價格曲線，圖1所示為城市居民肉類價格曲線，圖2所示為城市居民魚類價格曲線，圖3所示為城市居民蔬菜類價格曲線。

表1 各類食品價格表Tab.1 Price list of each kind of food

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

圖2 城市居民魚類價格圖Fig.2 Price curve of fish of citizens

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

通過上述曲線圖可觀察到：

1）肉類價格變化趨勢均為相對平衡，呈現較好的發展勢頭。

2）魚類的價格增長率預測結果則相差很大，呈現較大波動，這類食品的價格不以預測，遭受外界因素的影響較大。

3）蔬菜類的價格增長率的變動則變化很大，時而猛增，時而猛降，呈現出極為不規則的變化，一般這樣的食品會對CPI的變化產生較大的影響。

西紅柿由于其運輸的不方便性使其的價格則很可能穩增不降，需要加強調控的力度，以防價格超出消費者正常接受范圍。土豆、豆角的價格則呈現穩降不增，這也需要加大調控力度，以防菜農不必要的損失。

在1月下旬，2月上旬，各類食品價格有明顯上漲。而此時間段正值中國傳統節日——春節，人們對食品的需求量大大增加，購買力增強，導致食品價格上漲。

3 神經網絡預測模型

人工神經網絡是一種模仿人類神經系統的數學模型，是由大量的處理單元（神經元，即網絡節點）組成的高度并行的非線性動力學系統。對于任意一種隨機的，正態的數據，都可應用人工神經網絡進行系統分析，作出擬合預測。主要神經網絡的學習方式與用途有很多種類，其中具有誤差反向傳播算法的BP網絡是目前應用最廣的一種人工神經網絡結構，單隱藏層BP人工神經網絡結構如圖所示，輸入層、隱藏層和輸出層各層均由大量簡單互不相連的神經元組成，而不同層之間通過權值連接。輸入神經元將收到的輸入數據傳輸到隱藏層神經元，而隱藏層和輸出層神經元將它們各自的輸入通過一個非線性傳遞函數計算后輸出。BP神經網絡[7]為多層前饋網絡，數據信息單方向地從輸入層傳輸到隱藏層再傳輸到輸出層，而前層神經元的輸出不能反饋到更前層，其結構示意圖如圖4所示。

圖4 神經網絡預測模型Fig.4 Forecasting model based on neural net

同樣將定性化數據量化，作為預測數據，進行未來5月食品價格預測。利用Matlab建立BP神經網絡對食品價格進行預測，預測結果如圖5~7所示。

由圖5~7可知該BP神經網絡對于2014年5月食品價格預測結果與實測數據基本吻合，因此該神經網絡比較可靠準確，可以利用其進行食品價格預測。將中國統計局網站上最新數據各類食品價格等分別作為輸出層的單輸出結果，利用訓練好的BP神經網絡進行預測。

預測結果：肉類價格平穩；魚類變化較大，無法進行準確的預測；蔬菜類總體不變。

圖5 肉類實際價格與預測價格曲線Fig.5 Actual price curve and forecasting price curve of meat

圖6 魚類實際價格與預測價格曲線Fig.6 Actual price curve and forecasting price curve of fish

圖7 蔬菜類實際價格與預測價格曲線Fig.7 Actual price curve and forecasting price curve of vegetable

4 結論

該模型的優點是：在該研究中能夠充分利用到了相關網站中所提供的數據，建立一元線性函數曲線，能直觀的反映出各個食品價格與CPI的關系。在預測中建立的神經網絡模型具有非線性映射，自學習自映射能力，能自動提取數據，輸出數據間的合理規則，從而做出預測。該模型也存在一定的缺點：神經網絡算法的收斂速度較慢，該研究中數據較多，處理起來有些困難。通過借助于神經網絡建立的模型，可以預測的結果是：肉類價格平穩；魚類變化較大，無法進行準確的預測；蔬菜類總體不變。

該模型在數據的對比與預測中較為成功，可見模型的適用性較強。也可將該模型推廣到房價，人口等各個方面的問題。而神經網絡模型在解決經濟預測，組合優化等各方面也具有一定的優勢。

[1]李靜，楠玉.我國食品價格波動沖擊路徑的隨機因素分析[J].經濟經緯，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.基于徑向神經網絡的月降水量預測模型研究[J].計算機技術與發展，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，張云鵬，李鎧月，等.基于BP神經網絡的西安環境空氣質量的預測[J].電子設計工程，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.結合神經網絡的一般模型控制策略研究[J].工業儀表與自動化裝置，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.改進的BP神經網絡預測模型及其應用[J].武漢理工大學學報：交通科學與工程版，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格影響因素研究[J].北京航空航天大學學報：社會科學版，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神經網絡在設備故障診斷方面的應用[J].現代電子技術，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.