【技术实现步骤摘要】
一种基于相关性分析和机器学习的猪肉价格预测方法及系统
本专利技术涉及一种价格预测领域，具体是一种基于相关性分析和机器学习的猪肉价格预测方法及系统。
技术介绍
近年以来，部分省份猪肉价格呈现非线性的波动和明显的时序性变化，在经历非洲猪瘟后一年的时期内，猪肉价格波动明显。猪肉价格的涨跌起伏打乱了猪肉产业链的平衡。对养殖户的决策、居民消费以及猪肉市场的稳定有很大的影响。对猪肉价格波动的相关性因素进行分析和对猪肉价格的正确预测，不仅可以帮助相关部门更好对猪肉市场进行精确调控，维持猪肉市场稳定，控制猪肉价格暴涨暴跌等现象发生，还可以帮助养殖户及猪肉产业链其他企业对猪肉市场走向判别分析，共同维系猪肉市场的稳定，保障民生消费需求。关于猪肉价格的预测问题，现有方法多是直接建立预测模型，并未对相关性因素进行明确分析和特征提取，也未对现有相关性数据的特征进行分析，不能有效的说明预测模型建立的依据；现有预测模型的预测变量提取方法单一，不能挑选出最适合用于价格预测的特征。
技术实现思路
基于上述
技术介绍
中所提到的...
【技术保护点】
1.一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，包括如下步骤：/n步骤一，采集猪肉价格相关性数据并对数据预处理，利用时间序列模型和数据挖掘算法分析得到影响猪肉价格的多维解释变量，将其纳入猪肉价格预测数据集中；/n步骤二，由多维解释变量建立SVM回归模型，并对SVM回归模型进行优化，优化包括对预测集合的数据处理和转化、参数寻优方法，求解得到使得测试集RMSE最小时的最优参数组合下的SVM回归模型，运用均方根误差和拟合优度作为模型预测和训练的评价指标；/n步骤三，根据建立的SVM回归模型，输入响应的预测解释变量预测未来时间的猪肉价格走势。/n
【技术特征摘要】
1.一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，包括如下步骤：
步骤一，采集猪肉价格相关性数据并对数据预处理，利用时间序列模型和数据挖掘算法分析得到影响猪肉价格的多维解释变量，将其纳入猪肉价格预测数据集中；
步骤二，由多维解释变量建立SVM回归模型，并对SVM回归模型进行优化，优化包括对预测集合的数据处理和转化、参数寻优方法，求解得到使得测试集RMSE最小时的最优参数组合下的SVM回归模型，运用均方根误差和拟合优度作为模型预测和训练的评价指标；
步骤三，根据建立的SVM回归模型，输入响应的预测解释变量预测未来时间的猪肉价格走势。
2.根据权利要求1所述的一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，所述步骤一中，具体包括如下部分：
部分一，对相关性数据进行采集和数据预处理，得到历年月度猪肉价格及其他变量的数据；
部分二，基于猪肉价格和其他因素的相关性分析，分析和挖掘出影响猪肉价格的变量，由VAR模型对数据统计性质的要求，对所研究变量利用ADF单位根检方法进行平稳性检验；
部分三，对于平稳性检验，原始数据一阶差分后满足平稳性检验，原始数据一阶差分后”通过”平稳性检验，为对研究变量作长期趋势分析，在原始平稳性检验基础上进行协整检验，序列协整检验通过，由上对猪肉价格建立VAR模型以及进行Granger因果检验；
部分四，结合猪周期以及AIC、BIC最小准则确定最优阶数n，构建VAR(n)模型；
部分五，基于建立的VAR模型，由脉冲响应分析，分析猪肉价格与其他研究变量之间的动态交互作用及其效应；得到对猪肉价格影响性比较显著的特征因素；
部分六，利用Granger因果检验方法检验猪肉价格与其他研究变量的因果动态关系，得到豆粕价格不是猪肉价格浮动的Granger原因，即豆粕价格的波动不能有效的解释猪肉价格的波动变化特征。
3.根据权利要求2所述的一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，所述步骤一中，还包括：
部分七，基于猪肉价格与其他变量的量化数据，对猪肉与其他研究变量挖掘内在的关联准则；对猪肉价格及其他变量的数据根据变量前后期价格涨幅的大小，将原始数据离散化后利用Apriori挖掘算法寻...
【专利技术属性】
技术研发人员：杜雯茜，朱效民，王新明，薛冰，
申请(专利权)人：山东省齐鲁大数据研究院，
类型：发明
国别省市：山东;37
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。