基于MS-WT-TCN组合模型的农产品价格预测方法技术

本发明专利技术公开了一种基于MS‑WT‑TCN组合模型的农产品价格预测方法，包括：获取农产品的新闻数据及价格数据集合；对新闻数据及价格数据集合分别进行数据预处理，得到农产品价格数据和情感数据；将价格数据和情感数据按照日期进行排序组合形成待处理数据；将待处理数据进行归一化处理；将归一化后的待处理数据进行小波变换；根据小波变换后的数据划分训练集和测试集，输入到TCN网络模型中进行训练和测试，获取到最优的价格预测模型；利用价格预测模型实现农产品价格预测。本发明专利技术建立了基于MS‑WT‑TCN的农产品价格预测模型，通过引入市场情绪并量化，再通过TCN网络进行数据的噪音清除，再使用TCN网络进行优化，提高了预测的准确度和抗干扰性。

【技术实现步骤摘要】

本专利技术属于价格预测领域，涉及农产品价格预测模型技术，具体涉及一种基于ms-wt-tcn组合模型的农产品价格预测方法。

技术介绍

1、普通的电商应用价格的制定都是根据市场的情况大概估算的，会有2个大的弊端：其一，主观因素对价格的设置影响较大，一个经营者很难把握数量较多的产品的日常定价。其二，经营者一般想把大部分精力应用在产品的经营上，而不是价格的设置上。所以需要一种价格预测模型，来预测每种农产品每日价格的走势，然后自动更新到电商平台中。农产品的价格走势一般受到历史价格、市场情绪等方面的影响，只要能够找出这里面存在的关联关系，并使用合适的算法，是能够去预测农产品价格走势的。

2、农产品的价格走势预测方法包括时间序列分析、机器学习、深度学习、文本挖掘、情感分析、大数据分析、经济模型、调查方法、集成方法和外部因素考虑。时间序列分析利用历史农产品价格数据来预测未来趋势。机器学习和深度学习技术处理大规模数据，提高了准确性。文本挖掘和情感分析关注市场情感。大数据和云计算提供强大计算能力。经济模型考虑多个因素。调查方法包括定期调查消费者和企业。集成方法结合本文档来自技高网...

【技术保护点】

1.一种基于MS-WT-TCN组合模型的农产品价格预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于MS-WT-TCN组合模型的农产品价格预测方法，其特征在于，所述步骤S2中对新闻数据进行数据预处理的具体方法为：

3.根据权利要求2所述的一种基于MS-WT-TCN组合模型的农产品价格预测方法，其特征在于，所述步骤A3具体为：计算所有新闻标题样本分词后的长度并分析其长度的分布情况，然后确定样本的固定长度为L，每个样本长度大于L的截断，小于L的用0来补位。

4.根据权利要求2所述的一种基于MS-WT-TCN组合模型的农产品价格预测方法，...

【技术特征摘要】

1.一种基于ms-wt-tcn组合模型的农产品价格预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于ms-wt-tcn组合模型的农产品价格预测方法，其特征在于，所述步骤s2中对新闻数据进行数据预处理的具体方法为：

3.根据权利要求2所述的一种基于ms-wt-tcn组合模型的农产品价格预测方法，其特征在于，所述步骤a3具体为：计算所有新闻标题样本分词后的长度并分析其长度的分布情况，然后确定样本的固定长度为l，每个样本长度大于l的截断，小于l的用0来补位。

4.根据权利要求2所述的一种基于ms-wt-tcn组合模型的农产品价格预测方法，其特征在于，所述步骤a5中gru模型有2个门，分别为update gate和reset gate，第一个门为update gate，下面写作zt，reset gate下面写作rt。

5.根据权利要求5所述的一种基于ms-wt-tcn...

【专利技术属性】
技术研发人员：王卫东，张健，
申请(专利权)人：江苏科技大学，
类型：发明
国别省市：