基于多元回归的BP神经网络生猪价格预测模型-《江苏农业科学》(2019年14期).docx

龙源版权所有 基于多元回归的BP神经网络生猪价格预测模型作者：任青山 方逵 朱幸辉来源：《江苏农业科学》2019年第14期 摘要：生猪价格波动是由多种因素共同影响决定的，准确预测生猪价格对稳定农产品市场具有重要意义。首先分析影响生猪价格波动的影响因子及生猪价格变化规律和趋势，然后通过灰色关联度分析和Stepwise回归分析影响生猪价格波动的主要影响因子，再利用多元回归分析和反向传播（BP）神经网络构建BP-多元回归预测模型，对生猪价格进行预测，并对预测结果进行分析。结果表明，BP-多元回归预测模型较单一的多元回归和BP神经网络预测模型预测精度提高了10百分点以上，预测精度高达93.3%，大大提高了生猪价格预测的准确性和可靠性。 关键词：生猪价格;影响因子;BP神经网络;关联度;多元回归分析 中图分类号：S126 文献标志码： A 文章编号：1002-1302（2019）14-0277-05 猪肉在我国肉类产品消费中的占比超过66%，在食品中的占比超过20%，因而猪肉是关乎国计民生的重要食品，生猪生产自然而然也就成为了重中之重，受到了社会的广泛关注。生猪是我国农产品市场中最基本、最重要的组成部分，生猪价格是农产品市场的核心要素[1]。然而，近年来生猪价格波动异常，经常陷入“猪贵伤民，猪贱伤农”的恶性循环，并表现出明显的波动性及周期性。生猪市场价格的频繁波动给生产经营者带来了很大困扰，在一定程度上打击了农户的生产积极性。如果能够对生猪市场价格的波动作出较准确的分析和预测则能够帮助生产经营者制定决策，并为以后的产销计划提供一定的参考依据，能够在很大程度上减缓生猪价格波动带来的不良影响，减少生产经营者的经济损失[2]。但生猪价格具有一定的特殊性，其波动频繁，且受其他市场因素影响，因而无法用常规的传统算法对其进行预测。随着科学技术的进步与发展，价格预测的模型和方法已经有了显著的改进，但是仍无一个模型能把生猪价格变化拟得非常紧密，关于生猪价格预测的方法仍然存在诸多的讨论。现阶段发展较成熟的价格预测模型有灰色系统模型、时间序列模型、神经网络模型等。在现有研究中，国外学者对生猪价格波动分析与预测的研究起步较早，且理论系统也相对较成熟，他们主要从生猪的供给、需求及国内外生猪市场环境等方面论述生猪价格波动的成因，而国内学者对生猪价格的波动周期、影响因素及其价格预测模型等方面进行广泛深入的研究[3]。付莲莲等利用灰色关联和最小二乘支持向量机算法（LS-SVM）模型分析生猪价格波动的成因，并建立了生猪价格与其影响因子之间的关系模型，对生猪价格波动进行预警分析[4]。郝妙等利用灰色系统理论建立一种基于弱化缓冲算子的GM（1，1）预测模型，通过生猪价格的历史数据对其未来价格进行预测，对未来生产决策具有一定的指导意义[5]。本研究分析生猪价格的波动规律、波动周期及影响生猪价格波动的因素，通过灰色关联度和逐步回归分析得出生猪价格波动的主要影响因子，并结合多元回归分析和反向传播（BP）神经网络算法构建交叉预测模型，以提高预测的准确性和可靠性，进而对未来生猪价格进行预测并提出相应的生猪价格风险调控策略。 1 生猪价格分析研究 1.1 数据来源 在研究生猪价格波动规律时，选取2012年1月第1周至2017年9月第4周全国待宰活猪的周度价格作为研究对象，共300组数据，数据来源于中国农业信息网及中国畜牧业信息网。 1.2 生猪价格规律及周期 由图1可知，近年来生猪价格波动较大，特别是2014年4月第4周全国生猪平均价格跌至了历史最低，仅 10.97元/kg，给生猪生产者造成了重大经济损失。每年2月份开始生猪价格开始下跌，到4、5月份跌到最低点，主要是因为4月份开始天气逐渐变暖，国民对猪肉的需求量减少;而到了每年的9月份生猪价格又会上涨至较高点，随后会有小幅度的回落，到了12月份后又会迎来一个新的上升周期，主要是因为9月和1月我国传统节日较多，如中秋节、春节等，我国居民对猪肉的需求量较大，拉动了生猪价格上涨。通过总结文献及实证研究分析可知，虽然生猪价格波动剧烈，但也存在一定的周期性，每3年左右生猪价格有一个较大的周期性变化，2014年4月至2017年4月我国生猪价格就经历了1次周期性变化。 1.3 生猪价格波动影响因子 生猪市场是一个开放性的系统，影响生猪价格波动的因素错综复杂，通过分析生猪价格的形成发现，影响生猪价格波动的因素大致可分为供给、需求、市场外因素等3个方面[6]。供给因素主要包括仔豬费用、育肥猪饲料成本、医疗成本、人工成本、生猪存栏量及出栏量等。生猪生产需要一定的周期， 一般从仔猪到成猪需要5～6个月时间，期间生猪生长需要大量的饲料供给，在生猪饲料中玉米是主要成分，占60%以上，余下饲料成分以豆粕和麦麸为主[7]。需求因素主要