基于BP神經網絡的豬肉價格預測

王金鑫 王赫晨 董志貴

【摘 要】 本文選取2011年至2017年豬肉價格作為訓練樣本，構建了月豬肉價格預測的BP神經網絡模型，并對2017年1月至9月的豬肉價格進行了預測與驗證，驗證結果表明：模型擬合效果好，預測精度高，最大相對誤差為2.626%，最小相對誤差為0， 誤差范圍在允許范圍內。

【關鍵詞】 BP神經網絡 豬肉 價格 預測

1.引言

豬肉價格預測是指根據歷史銷售價格和市場供求信息等數據，對影響豬肉價格的各項因素進行分析和研究，進而估計未來某個時期價格水平。統計學方法是豬肉價格預測的傳統方法，主要有回歸分析法、統計模型法、GM（1，1）模型、灰色系統理論等。我國豬肉市場具有復雜性，影響因素眾多，且易發生較大變化，傳統的統計學方法不能很好地預測其商品價格。

人工神經網絡通過模仿人類大腦神經元對外界刺激做出反應的過程而建立起來的一種模型，具有大規模并行、分布式儲存和處理、自組織、自適應、自學習和容錯性等特點，特別適用于需要同時考慮多因素和多條件的系統中，因子之間的相互作用機理還不清楚、不精確和模糊信息問題的處理。本文嘗試利用BP神經網絡模型進行豬肉價格預測研究，進而獲得高精度的豬肉預測價格。

2.基于BP神經網絡的豬肉價格預測模型

2.1BP神經網絡算法的模型

BP神經網絡算法是基于誤差反向后傳算法的多層前饋型神經網絡，其學習過程包括輸入信號額正向傳播和誤差信號的反向傳播。本文以常用的單隱含層BP神經網絡結構模型為例，構建豬肉價格預測模型。輸入層設置10個輸入神經元，輸出成設置1個輸出神經元，隱含層設置15個神經元，隱含層和輸出層的傳遞函數均選取單極性Sigmoid函數，學習率為0.8，網絡參數采取隨機產生。

2.2數據處理與訓練樣本構建

2011年1月至2017年12月豬肉價格的歷史數據如表1所示，根據BP神經網絡結構模型參數構建訓練樣本，用于豬肉價格預測模型訓練。根絕BP神經網絡模型的結構參數，預測模型訓練樣本的構建方法如下：

利用2011年1月至10月的價格與測2011年11月的豬肉價格，即利用2011年1月10月的豬肉價格作為一組輸入，2011年11月的豬肉價格作為輸出;同理，2011年2月至11月的豬肉價格作為第二組輸入，2011年12月的豬肉價格作為輸出;依次類推，2016年2月至11月的豬肉價格作為第七十四組輸入，2016年12月的豬肉價格作為其對應的輸出。依據此方法，共構建62組訓練樣本集。

2.3 BP神經網絡模型訓練

以74組訓練樣本作為輸入和輸出信號，運用MATLAB 2010Ra的神經網絡工具箱編寫基于BP神經網絡的豬肉價格預測程序，進行BP神經網絡模型訓練，當網絡輸出誤差滿足網絡預設精度0.0001時，停止訓練，獲得豬肉價格預測的BP神經網絡模型。基于BP神經網絡的豬肉價格預測模型的擬合效果如圖1所示。

3. 基于BP神經網絡的豬肉價格預測

以2016年3月至2017年9月的歷史豬肉價格，利用本文構建的BP神經網絡模型進行豬肉價格預測，預測2017年1月至2017年9月的豬肉價格，驗證本文建立模型的正確性和可行性。預測結果及誤差分析如表2所示。

由上表分析可以看出，預測值與真實值的相對精度較高，最大相對誤差為2.626%，最小相對誤差為0。誤差范圍在允許范圍內。

4. 結論

本文運用BP神經網絡算法構建豬肉價格預測的結構模型，選取2011年至2017年豬肉價格作為訓練樣本，構建了月豬肉價格預測的BP神經網絡模型，并對2017年1月至9月的豬肉價格進行了預測與驗證，驗證結果表明：模型擬合效果好，預測精度高，最大相對誤差為2.626%，最小相對誤差為0， 誤差范圍在允許范圍內。

【參考文獻】

[1] 丁琳琳. 中國豬肉價格波動規律與預測預警研究[D]. 東北農業大學， 2011.

[2] 董玲.我國豬肉價格波動研究[D].內蒙古農業大學，2010.

[3] 李秉龍，何秋紅.中國豬肉價格短期波動及其原因分析[J].農業經濟問題， 2007， 10：54-55.

[4] 劉春芳，王濟民.我國生豬價格波動原因分析及趨勢判斷[J].農業展望， 2009， 5：12-14.

作者簡介：王金鑫（1999- ），男，漢族，山西大同人，遼寧科技學院冶金工程學院，研究方向：材料成型及控制工程;王赫晨（1999- ），男，漢族，遼寧葫蘆島人，遼寧科技學院冶金工程學院，研究方向：材料成型及控制工程。

通訊作者：董志貴（1980- ），男，漢族，河北滄州人，遼寧科技學院創新創業學院，副教授，主要從事農業系統工程、創新創業研究