基于農產品價格預測BP神經網絡預測模型的建立

文/黃余 陳挺，宜賓職業技術學院

隨著BP神經網絡的出現，系統控制和預測等方面的數據更加精確，作為模擬人腦信息處理方法的非線性系統，BP神經網絡自學能力、適應能力和組織非常強，為模型建立識別提供很好的依據。結合目前宜賓農產品價格的變化，運用BP神經網絡來預測其食品價格的實測值，加快建立農產品價格的模型，及時進行農產品價格預測和預警。

1 宜賓農產品價格變動的特點

宜賓的農產品價格變化有一定的規律，可以結合其椪柑價格變動進行探討。現下市場上柑橘的貨量不大，沃柑、茂谷柑、馬水桔、椪柑等有一部分來自客商早期的庫存貨。近些年來，椪柑的行情上揚，規格偏大的可能賣2.4元/斤，其漲幅在0.2元/斤左右。春節前后，椪柑價格會在去年價格的基礎上有所上升。與去年相比，今年椪柑的減產幅度小，10月以前上市的柑橘類型是增產。因為椪柑相對耐貯藏，而春節前后上市的沙糖橘等晚熟寬皮橘會減產，所以春節前后其價格會有所上揚。在宜賓可以通過留樹保鮮的方法延遲椪柑的成熟，保證在到節前后采收銷售，這樣其價格比較高，經濟效益更好。因為受到年初以來的“沙糖桔”風波的影響，整個柑橘市場有很大變化，今年4月份中晚熟柑橘市場柑橘價格明顯回落，晚熟柑橘價格漲跌不一。隨著過去十年種植面積的增加，宜賓新興的果園產出預計會穩步上升，椪柑價格會持續增長。

2 基于農產品價格預測BP神經網絡預測模型的建立

2.1 BP神經網絡模型

作為一種具有三層及以上階層結構的神經網絡，BP神經網絡中若干個神經元（節點）構成了各個階層，其權連接通過層間的神經元實現，即下層的每一個單元與上層的每個單元，不同階層各神經元之間不連接，輸入值、作用函數和閾值決定了每個節點的輸出值。根據“類似輸入產生類似輸出”的相近原則，網絡工作階段輸入有待測試的樣本，可以通過計算輸出結果，BP神經網絡可以對樣本神經網絡學習后的實際輸出誤差進行比較，并對權值和閾值進行調整，達到其指定精度，盡可能降低誤差。

2.2 構建BP神經網絡的農產品價格預測模型

2.2.1 構建農產品價格風險預警模型。連接方式、網絡層次和各層節點數組成了農產品價格風險預警模型的網絡結構，即網絡的拓撲結構，所以必須要確定其輸入節點數、輸出節點數和隱層節點數?；贐P神經網絡構建農產品價格預測模型，在其網絡輸入中要對供給、需求和政策與環境等農產品價格風險的警兆指標進行全面描述。而輸出節點個數的確定要結合其評價結果進行，如果發現農產品價格預警中的假定輸出為[1]，此時有正向高度風險，正向一般風險為[0.5]，[0]表示無風險，反之負向一般風險表現為[-0.5]，[-1]為負向高度風險，輸出節點個數為1，確定輸出節點的個數必須結合評價需要和具體情況進行。作為一個比較復雜的問題，隱層節點數的確定沒有具體的法則，輸入輸出單元的多少會對其產生影響，可以通過K=（n+m）/2+a（其中m表示輸出節點數，n表示輸入節點數，a表示1-10之間的整數）來確定。

2.2.2 農產品價格風險預警模型訓練。建立農產品輸入數據預處理模型，需要做好對象與網絡模型接口的研究，通常輸入樣本的預處理會通過加權平均函數化為[-1，1]區間上的值。加權平均函數化要通過公式Pi=2（Ii-Imin）/（Imax-Imin）計算，Pi表示預處理后的樣本，Ii為輸入樣本值，Imax表示輸入樣本中的最大值，Imin為輸入樣本中的最小值。對于得到了農產品價格輸入后進行預處理，訓練樣本可以選擇其中的一部分輸入數據，以剩余的數據作為檢測樣本[3]。接下來就要進行預警模型訓練，將訓練樣本輸入，根據期望輸出和實際輸出誤差平方和的最小化規則進行模型系統的學習，及時進行權值矩陣和閾值向量的調整。如果發現期望輸出和實際輸出誤差已經在要求范圍內，此時系統就要停止學習，固定權值矩陣與閾值向量，存儲為系統內部知識。

2.2.3 農產品價格風險預警識別

通過之前得到的權值矩陣和閾值向量，就初步建立了農產品價格風險預警BP神經網絡模型，在識別新數據時就可以運用這一模型。因此，在輸出預測的農產品價格時，要運用綜合預的警信號輸出系統，通過對系統輸入的指標體系對應的無量綱數據，結合建立的BP神經網絡預警模型對農產品價格進行綜合分析和評價。這樣就可以根據對農產品整體供求運行狀況的綜合評價，就可以準確及時地輸出結果，并及時發出警報信號。農產品價格BP神經網絡預警模型中存儲著大量的樣本數據，所以其可以通過其中海量的信息結合指標數據進行綜合判斷，并就農產品的價格給出風險等級，并及時發出警報。

3 結語

在人們的日常生活中，農產品占據著重要的地位，所以對農產品進行價格預測很有必要，要注重進行農產品價格風險的預警。在宜賓農產品價格市場中，其價格上漲有一定的規律，基于BP神經網絡可以有效的預測農產品的價格變化。因此，要運用BP神經網絡來分析農產品價格變化，結合其數據進行分析對比，建立農產品價格預測模型，做好農產品價格預警，發揮BP神經網絡的作用，最終做好農產品的價格預測，為人們的生產生活提供有效的指導。

[1]葉露，李玉萍，秦小立等.基于PSO-BP與RBF神經網絡的蔬菜價格組合預測[J].北方園藝，2015，39（21）：212-215.

[2]姚冠新，徐靜，周正嵩等.基于BP神經網絡的我國蔬菜供需預測及對策研究[J].吉林師范大學學報（自然科學版），2015（2）：4-9.