收藏本站
《吉林大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于支持向量回归的集成价格预测方法研究

陈超  
【摘要】:在经济发展的过程中,价格体现了商品供求关系的变化。价格与市场需求密切相关,是实现国家宏观调控的重要手段之一。因此,价格预测显得非常重要。价格预测是销售预测、利润预测和资金需要量预测的前提。价格预测的主要思想就是采用科学的方法,对价格相关的信息和数据进行分析,从而得到对未来的价格变化的判断。价格预测可以是对某种商品价格的未来变化趋势做出基本的判断,也可以是采用预测模型对某种商品的未来价格做出数量判断。 现有的价格预测模型主要有灰系统预测模型、神经网络模型和时间序列模型。灰系统预测模型的主要思想是利用已有的数据建立灰色模型,发现系统的发展规律,进而科学地对未来的价格进行预测,目前常用的灰系统预测模型是GM(1,1)模型;神经网络预测模型的主要思想是选择合适的神经网络,利用已有的数据对网络进行训练,通过给定输入就可以利用训练好的网络得出预测结果,目前常用的神经网络是BP神经网络;时间序列预测模型的主要思想是将已有的数据的集合作为时间序列,对时间序列进行分析,建立合适的时间序列模型,进而对未来时间序列值进行预测,即对未来的价格进行预测,目前常用的时间序列预测模型是ARMA模型。 支持向量回归是支持向量机在回归问题上的一个重要应用。支持向量机是基于统计学习理论的一种分类方法,可以通过搜索最佳分离超平面实现对线性数据和非线性数据的分类。需要注意的是,对于非线性数据,首先要利用核函数将非线性数据映射到较高维空间,在新的空间上搜索最佳分离超平面。支持向量回归中一个重要的概念就是损失函数,它允许真实值和预测值存在一定范围内的误差。因为损失的存在,使用一个惩罚因子C将损失加入到目标函数里,从而达到平衡损失的目的。建立支持向量回归模型的一个重要的步骤就是核函数的选取、损失函数参数的确定和惩罚因子C的确定。 现有的价格预测方法大都采用单一模型,然而价格预测问题十分复杂,而且单一预测模型均存在不足。如何有效地融合多个预测模型的结果,获得更为准确的预测结果是价格预测所面临的主要难题。针对此问题,本文提出基于支持向量回归集成灰系统、神经网络和时间序列的集成价格预测方法。该方法主要分为两个步骤:第一步是根据已有的历史数据分别运用灰系统GM(1,1)模型、BP神经网络模型和一元时间序列模型进行第一阶段预测,得出三套预测结果;第二步就是利用支持向量回归模型对第一阶段得出的三套预测结果进行集成预测,具体来说就是通过选取核函数、确定损失函数参数和惩罚因子C的值来建立支持向量回归模型,进而得出预测结果。 本文实验所用的实际数据为中国畜牧业信息官方网站提供的1996年1月到2009年6月的全国平均玉米价格。其中将1996年1月到2008年12月的数据作为训练数据,建立预测模型,将2009年1月到6月的数据作为测试数据,检验预测模型的效果,并进行预测模型之间的比较。实验表明本文提出的支持向量回归的集成价格预测方法的6个月平均相对误差和均方根误差分别仅为1.99%和0.0348(灰系统GM(1,1)模型:4.85%和0.0742,BP神经网络模型:5.26%和0.0902,一元时间序列模型:4.4%和0.0637)。因此,无论是从图像直观上来看,还是从数学误差分析角度来看,我们都可以得出如下结论:在价格预测方面,基于支持向量回归的集成模型优于灰系统GM(1,1)模型等三个基本模型。 本文提出的集成预测方法已应用在数字农业知识网格技术研究及应用课题中。本课题是国家高技术研究发展计划,即863计划研究课题。课题组开发了农业知识网格系统,本文研究的集成预测方法主要应用在系统中的价格预测模块。
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:F224;F714

【相似文献】
中国期刊全文数据库 前10条
1 李艳;刘军;;农产品价格预测系统设计与实现[J];湖北农业科学;2011年14期
2 韩雯;;贵州省菜椒价格预测——基于自回归单整移动平均模型的研究[J];中国经贸导刊;2011年15期
3 韩雯;;ARIMA模型在贵州省农产品价格预测中的应用——以辣椒为例[J];安徽农业科学;2011年21期
4 丁立威;;干姜市场走势浅析[J];乡村科技;2011年06期
5 高志龙;;探讨工程造价预测方法及改进[J];中国城市经济;2011年12期
6 杨建辉;李龙;;基于SVR的期权价格预测模型[J];系统工程理论与实践;2011年05期
7 崔建勋;郑业鲁;万忠;康乐;舒鼎铭;;2010年广东肉鸡产业发展现状分析[J];广东农业科学;2011年07期
8 赵玉恒;张泽欣;;从组织结构看某医药物流公司的运营之道[J];中国市场;2011年36期
9 ;[J];;年期
10 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 彭姝迪;林静玉;周渠;李孟励;;加权支持向量回归机在传感阵列模式识别中的应用[A];重庆市电机工程学会2010年学术会议论文集[C];2010年
2 钱锋;;基于灰色系统方法的产品价格预测[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年
3 陈懿冰;张玲玲;石勇;;基于改进的支持向量回归机的金融时序预测[A];第六届(2011)中国管理学年会论文摘要集[C];2011年
4 邓小英;杨顶辉;关昕;;基于支持向量回归的随机噪声消减和零漂去除[A];中国地球物理·2009[C];2009年
5 郭志明;赵春江;陈立平;黄文倩;;基于GA-LSSVR的烟草尼古丁含量的近红外光谱分析[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 吴德会;;非线性动态系统的SVR辨识法[A];第二十六届中国控制会议论文集[C];2007年
7 尹焕平;孙宗海;;基于自然梯度的支持向量回归在线算法[A];2009中国控制与决策会议论文集(3)[C];2009年
8 林关成;李亚安;李国辉;;支持向量回归的连续过松弛训练算法研究[A];2010’中国西部声学学术交流会论文集[C];2010年
9 李秀兰;;组合预测方法的研究和应用——邮发期刊价格预测[A];中国现场统计研究会第九届学术年会论文集[C];1999年
10 王玲;穆志纯;郭辉;;基于支持向量回归的增量建模方法[A];第25届中国控制会议论文集(上册)[C];2006年
中国重要报纸全文数据库 前10条
1 肥乡县屯庄营乡南河马村 胡玉平;棉花产新价格预测[N];河北科技报;2011年
2 本报记者 李蔓 吕磊 步秀英;价格高温 金企由攻转守[N];中国黄金报;2011年
3 记者 林燕英 江泽丰 通讯员 冼智前;建立价格预测预警机制[N];中山日报;2006年
4 国务院发展研究中心市场经济研究所 王青;乘用车市场形势分析及销量与价格预测[N];中国经济时报;2009年
5 周尚宾;透视业内人士的价格预测[N];中国有色金属报;2006年
6 石家庄钢铁股份有限公司 刘建平;2005年钢材市场需求与价格预测[N];物资信息报;2005年
7 王明兰;把好“价格预测”三道关[N];政府采购信息报;2007年
8 罗贤圣;亳白术价格预测[N];中国中医药报;2007年
9 曼文;瑞银集团上调明后两年动力煤和焦煤价格预测[N];中国冶金报;2007年
10 李辉;瑞银上调未来两年铜铅价格预测[N];证券时报;2007年
中国博士学位论文全文数据库 前10条
1 赵永平;支持向量回归机及其在智能航空发动机参数估计中的应用[D];南京航空航天大学;2009年
2 谭显胜;支持向量回归解释性体系的建立及应用[D];湖南农业大学;2010年
3 余艳芳;改进型支持向量回归机及其在过程建模与控制中的应用[D];华东理工大学;2010年
4 周金柱;电子装备结构因素对电性能影响的支持向量建模与补偿[D];西安电子科技大学;2011年
5 蒋辉;经济预测的灰色支持向量回归方法[D];中南大学;2010年
6 唐江桥;中国畜产品价格预测预警研究[D];福建农林大学;2011年
7 孙少超;数据校正和支持向量机的过失误差识别的研究[D];华东理工大学;2012年
8 向国齐;支持向量回归机代理模型设计优化及应用研究[D];电子科技大学;2010年
9 刘广利;基于支持向量机的经济预警方法研究[D];中国农业大学;2003年
10 田英杰;支持向量回归机及其应用研究[D];中国农业大学;2005年
中国硕士学位论文全文数据库 前10条
1 陈超;基于支持向量回归的集成价格预测方法研究[D];吉林大学;2011年
2 苗强;农民收入的粗糙支持向量回归与实证分析[D];安徽大学;2010年
3 阿磊;基于支持向量回归机的汇率预测[D];华东师范大学;2011年
4 王(山弄);支持向量回归在曲线拟合/重构中的应用[D];中国农业大学;2005年
5 陈金翠;最小二乘支持向量回归组合预测模型的应用[D];新疆大学;2010年
6 杨芳;基于支持向量回归(SVR)的材料热加工过程建模[D];上海交通大学;2010年
7 刘菊艳;基于数据挖掘技术的短期风速预测[D];西安科技大学;2010年
8 王刚;支持向量回归机在药品销售预测中的分析及应用[D];云南财经大学;2010年
9 殷子皓;基于支持向量回归建模方法的短期电力负荷预测研究[D];天津大学;2010年
10 陈盼;基于多尺度分解的风电场风速预测研究[D];华南理工大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026