一种用于葡萄月度价格预测的方法及系统技术方案

本发明专利技术实施例提供一种用于我国葡萄月度价格预测的方法及系统。该方法包括获取葡萄月度批发价格的原始数据；将所述原始数据输入至预先构建好的组合预测模型，获得基于所述原始数据的预测价格数据；其中所述组合预测模型，是基于葡萄月度批发价格的原始数据，采用集合经验模态分解算法，结合基于支持向量机和多元线性回归进行组合构建得到的。本发明专利技术实施例通过将原始价格数据输入至预先构建好的组合预测模型得到预测价格数据，其中应用了集合经验模态分解算法，结合基于支持向量机和多元线性回归进行模型组合，有助于进一步准确预测，最终通过相加融合过程汇总得到预测结果，有效化解了原始序列不规则、波动较大的预测难题。

A Method and System for Predicting Monthly Price of Grapes

【技术实现步骤摘要】
一种用于葡萄月度价格预测的方法及系统
本专利技术涉及农业发展及经济研究领域，尤其涉及一种用于葡萄月度价格预测的方法及系统。
技术介绍
我国是葡萄种植生产大国，葡萄种植区在我国广泛分布。近年来，葡萄种植面积不断扩大，产量也连年提高。截至2016年，我国葡萄种植总面积约843.41千公顷，总产量高达1484万吨。我国葡萄种植业发展迅猛，2016年，我国葡萄产量居世界首位。国家统计局最新数据显示，我国水果生产价格指数年际变化大且在15、16年出现连续下滑，鲜食葡萄作为具有代表性的大宗水果品种之一，其价格年际波动十分明显。随着国内经济水平不断增长，人民生活水平的提高，居民对鲜食葡萄质量要求不断上升，相关替代品带来竞争压力日益显著；我国葡萄市场供给具有季节性明显及不耐储存储存的特点，每年7月中旬至9月底鲜食葡萄集中涌入市场，导致价格下降幅度较大，葡萄种植者的收益难以得到保障；此外，我国劳动力成本和物价的连年增长，葡萄种植过程中的管理成本和物质成本持续上涨，但葡萄价格并非持续上涨，且鲜食葡萄价格波动幅度有逐年加大的趋势。因此，针对葡萄价格进行预测研究，为保障农民及相关经营者的经济利益寻找有效途径具有重要的现实意义。针对国内葡萄产业发展现状，国内学者陆续开展针对葡萄价格波动影响因素及价格预测、预警研究，但是研究成果较少且大部分研究仍停留在定性分析的阶段，缺乏通过数学方法定量分析构建的可信度高的指标体系。此外，国内外针对葡萄及其他水果品种的价格预测多存在模型单一、准确率不高的局限性，难以满足该领域预测价格走势，把握产业发展趋势的需求。基于现有价格预测的缺陷，需要提出一种新的价格预测方法来解决预测模型单一、预测准确率不高的问题。
技术实现思路
本专利技术实施例提供一种用于葡萄月度价格预测的方法及系统，用以解决现有技术中存在模型单一、准确率不高的局限性，难以满足预测价格走势，把握产业发展趋势的需求的问题。第一方面，本专利技术实施例提供一种用于葡萄月度价格预测的方法，包括：获取葡萄月度批发价格的原始数据；将所述原始数据输入至预先构建好的组合预测模型，获得基于所述原始数据的预测价格数据；其中所述组合预测模型，是基于葡萄月度批发价格的原始数据，采用集合经验模态分解算法，结合基于支持向量机和多元线性回归进行组合构建得到的。具体的，所述组合预测模型，通过以下步骤得到：100，获取葡萄月度批发价格的原始数据，基于所述葡萄月度历史价格数据构建原始序列；200，采用集合经验模态分解算法对所述原始序列进行分解，得到至少一个子序列；300，将所述至少一个子序列进行标准化，得到至少一个标准化子序列；400，将所述至少一个标准化子序列构建子模型，得到标准化子模型预测结果，所述标准化子模型预测结果包含第一标准化子模型预测结果集合和第二标准化子模型预测结果集合；500，将所述标准化子模型预测结果进行标准化逆运算，得到子模型预测结果；600，将所述子模型预测结果按照所述原始序列中对应的相同时间点进行融合相加获得所述组合预测模型。具体的，所述采用集合经验模态分解算法对所述原始序列进行分解，具体包括：200.1，向所述原始序列加入白噪声序列，得到白噪声原始序列；200.2，使用经验模态分解算法将所述白噪声原始序列分解为至少一个固有模态函数序列和一个残差序列；200.3，重复步骤200.1和步骤200.2共r次，每次加入的所述白噪声序列的振幅不同，得到各IMF分量；200.4，将r次分解得到的所述各IMF分量整体求平均结果，将所述平均结果作为所述至少一个子序列。具体的，所述白噪声序列应服从(0,(αε)2)的正态分布，其中α为噪声的强度参数，ε为信号的标准差。具体的，将所述至少一个子序列进行标准化，具体包括：采用最大最小标准化方法进行计算。具体的，将所述至少一个标准化子序列构建子模型，具体包括：将所述标准化子序列具有高频特性的部分序列，构建基于支持向量机模型进行预测，得到所述第一标准化子模型预测结果集合；将所述标准化子序列具有低频特性的部分序列，构建基于多元线性回归模型进行预测，得到所述第二标准化子模型预测结果集合。具体的，所述至少一个固有模态函数的数量是由所述原始序列的长度决定。第二方面，本专利技术实施例提供一种用于葡萄月度价格预测的系统，包括：获取单元，用于获取葡萄月度批发价格的原始数据；处理单元，用于将所述原始数据输入至预先构建好的组合预测模型，获得基于所述原始数据的预测价格数据；其中所述组合预测模型，是基于葡萄月度批发价格的原始数据，采用集合经验模态分解算法，结合基于支持向量机和多元线性回归进行组合构建得到的。第三方面，本专利技术实施例提供一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述一种用于葡萄月度价格预测的方法的步骤。第四方面，本专利技术实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现任一项所述一种用于葡萄月度价格预测的方法的步骤。本专利技术实施例提供的一种用于我国葡萄月度价格预测的方法及系统，通过将原始价格数据输入至预先构建好的组合预测模型得到预测价格数据，其中应用了集合经验模态分解算法，结合基于支持向量机和多元线性回归进行模型组合，有助于进一步准确预测，最终通过相加融合过程汇总得到预测结果，有效化解了原始序列不规则、波动较大的预测难题。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种用于葡萄月度价格预测的方法流程图；图2为本专利技术实施例提供的获取组合预测模型的流程图；图3为本专利技术实施例提供的一种用于葡萄月度价格预测的系统结构示意图；图4为本专利技术实施例提供的葡萄价格预测模型结构图；图5为本专利技术实施例提供的电子设备的结构框图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。现有技术中存在模型单一、准确率不高的局限性，难以满足预测价格走势，把握产业发展趋势的需求的问题，因此，本专利技术提出了一种用于葡萄月度价格预测的方法。图1为本专利技术实施例提供的一种用于葡萄月度价格预测的方法流程图，如图1所示，包括：S1，获取葡萄月度批发价格的原始数据；S2，将所述原始数据输入至预先构建好的组合预测模型，获得基于所述原始数据的预测价格数据；其中所述组合预测模型，是基于葡萄月度批发价格的原始数据，采用集合经验模态分解算法，结合基于支持向量机和多元线性回归进行组合构建得到的。本专利技术实施例通过将原始价格数据输入至预先构建好的组合预测模型得到预测价格数据，其中应用了集合经验模态分解算法，结合基于支持向量机和多元线性回归进行模型组合，有助于进一步准确预测，最终通过相加融合过程汇总得本文档来自技高网...

【技术保护点】
1.一种用于葡萄月度价格预测的方法，其特征在于，包括：获取葡萄月度批发价格的原始数据；将所述原始数据输入至预先构建好的组合预测模型，获得基于所述原始数据的预测价格数据；其中所述组合预测模型，是基于葡萄月度批发价格的原始数据，采用集合经验模态分解算法，结合基于支持向量机和多元线性回归进行组合构建得到的。

【技术特征摘要】
1.一种用于葡萄月度价格预测的方法，其特征在于，包括：获取葡萄月度批发价格的原始数据；将所述原始数据输入至预先构建好的组合预测模型，获得基于所述原始数据的预测价格数据；其中所述组合预测模型，是基于葡萄月度批发价格的原始数据，采用集合经验模态分解算法，结合基于支持向量机和多元线性回归进行组合构建得到的。2.根据权利要求1所述的一种用于葡萄月度价格预测的方法，其特征在于，所述组合预测模型，通过以下步骤得到：100，获取葡萄月度批发价格的原始数据，基于所述葡萄月度历史价格数据构建原始序列；200，采用集合经验模态分解算法对所述原始序列进行分解，得到至少一个子序列；300，将所述至少一个子序列进行标准化，得到至少一个标准化子序列；400，将所述至少一个标准化子序列构建子模型，得到标准化子模型预测结果，所述标准化子模型预测结果包含第一标准化子模型预测结果集合和第二标准化子模型预测结果集合；500，将所述标准化子模型预测结果进行标准化逆运算，得到子模型预测结果；600，将所述子模型预测结果按照所述原始序列中对应的相同时间点进行融合相加获得所述组合预测模型。3.根据权利要求2所述的一种用于葡萄月度价格预测的方法，其特征在于，所述采用集合经验模态分解算法对所述原始序列进行分解，具体包括：200.1，向所述原始序列加入白噪声序列，得到白噪声原始序列；200.2，使用经验模态分解算法将所述白噪声原始序列分解为至少一个固有模态函数序列和一个残差序列；200.3，重复步骤200.1和步骤200.2共r次，每次加入的所述白噪声序列的振幅不同，得到各IMF分量；200.4，将r次分解得到的所述各IMF分量整体求平均结果，将所述平均结果作为所述至少一个子序列...

【专利技术属性】
技术研发人员：穆维松，褚晓泉，李玥，王璐瑶，田东，冯建英，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11