期刊信息
主办:中国动物学会;中国科学院动物研究所
主管:中国科学院
ISSN:0250-3263
CN:11-1830/Q
语言:中文
周期:双月
影响因子:0.467105
数据库收录:
文摘杂志;北大核心期刊(1992版);北大核心期刊(1996版);北大核心期刊(2000版);北大核心期刊(2004版);北大核心期刊(2008版);北大核心期刊(2011版);北大核心期刊(2014版);北大核心期刊(2017版);农业与生物科学研究中心文摘;化学文摘(网络版);中国科学引文数据库(2011-2012);中国科学引文数据库(2013-2014);中国科学引文数据库(2015-2016);中国科学引文数据库(2017-2018);中国科学引文数据库(2019-2020);日本科学技术振兴机构数据库;中国科技核心期刊;期刊分类:生物学
期刊热词:
研究报告
基于季节分解和长短期记忆的北京市鸡蛋价格预(6)
【作者】网站采编
【关键词】
【摘要】从研究对象上,针对不同农产品价格的研究已经相当广泛,如玉米[22-23]、大豆[24-25]、蔬菜[26-27]、生猪[28-29]及鸡蛋[30-32]等。从研究方法上,学者们一直在
从研究对象上,针对不同农产品价格的研究已经相当广泛,如玉米[22-23]、大豆[24-25]、蔬菜[26-27]、生猪[28-29]及鸡蛋[30-32]等。从研究方法上,学者们一直在进行不懈的探索。CensusX12季节调整方法、HP滤波(high-pass filter)及BP滤波(band-pass filter)等方法是广泛用以对价格波动及其特征规律进行分析,并证明可以较好地对农产品价格波动的长期趋势、季节性、周期性及随机波动特征进行分析总结[33-35];多元回归和向量自回归模型等方法常用来确定影响价格的主要因素及影响程度[36-38];价格预测研究常用的预测模型有回归分析模型[39-41]、时间序列模型[42-43]及组合模型[44-47]。回归分析模型依据价格波动与其影响因子相关的原理,选择影响贡献率较高的因子建立回归模型进行预测;时间序列模型依据价格数据与时间的关系对未来的价格进行预测,该方法对线性价格数据具有较好的预测效果,但对非线性数据预测效果较差;组合模型能够较好地结合农产品特性及其价格波动特征,构建相应的模型对未来的价格进行预测。
可见,价格问题一直是学术界研究和关注的热门问题,已有的研究已然非常丰富,但仍存在一定的问题和不足:首先是大都关注大田作物和大宗农产品,虽然有学者开展了对鸡蛋价格的研究,但也主要关注全国鸡蛋价格,鲜有针对区域和国际性大都市鸡蛋价格的研究;第二,目前关于鸡蛋价格的研究往往将价格波动特征与预测分割开来,造成价格预测的解释性较差。第三,在结合价格波动特征进行预测模型的构建与优化方面尚显不足。基于以上思考,本文在对北京市鸡蛋价格数据进行分解处理的基础上,提出一种基于时间序列季节性分解方法(Seasonal-trend Decomposition Procedure Based on Loess,STL)和长短期记忆网络(Long-short Term Memory,LSTM)组合的鸡蛋价格预测模型STL-LSTM,分析北京市鸡蛋价格波动特征及其规律,并及时并准确把握新发展阶段北京市场鸡蛋价格未来走势。本研究结果和结论可以为政府、行业管理部门和从业人员决策提供参考,并为其他农产品价格分析和预测提供可借鉴的思路和方法。
1 数据与方法
1.1 数据
1.1.1 数据来源
集贸市场是指城乡居民进行农副产品、日用消费品等现货商品交易或固定地点买卖货物的市场。北京市集贸市场主要分为居民社区周边的菜市场为主的小型集市和集零售批发为一体的大型农贸市场。集贸市场所售卖的鸡蛋面向普通居民、企事业单位、学校、酒店等场所,其价格可以直观反映对销售者和消费者的影响,并间接对生产者进行反馈。因此本文根据中国畜牧信息网(
1.1.2 北京市鸡蛋价格特征
2000年1月至2018年12月期间,北京鸡蛋价格总体波动中保持上升(图1a),2014年10月份左右鸡蛋价格达到最高点,随后在波动中稍有下降。考察整个价格区间,鸡蛋价格大体每28~36个月会呈现出一个倒U型的波动周期。但近年来,鸡蛋价格波动出现了新的变化:鸡蛋价格上升趋势不再明显,而是上下波动频繁;鸡蛋价格波动周期开始缩短,波动的幅度也越来越大。
北京鸡蛋价格有着明显的随季节变化的波动规律。将北京鸡蛋价格2000—2018年月度价格数据进行分割,按照每36个月为一组,共分为6组数据(图1b)。可以发现北京鸡蛋价格波动有着明显的季节性。每年的2、3月份鸡蛋价格开始下降,4、5月份鸡蛋价格降至低点,6、7月份之后鸡蛋价格逐渐回升,9、10月份鸡蛋价格达到全年高点。图2中各时间段的价格序列大体保持平行,表明北京鸡蛋价格的季节性波动并非偶然现象,且已多年表现出季节性波动特征。
图1 北京市鸡蛋价格Fig.1 Egg price in Beijing City
1.2 方法
1.2.1 价格预测方法
根据上述鸡蛋价格序列的非线性、季节性和周期性波动特征,提出了基于时间序列季节性分解方法(Seasonal-trend Decomposition Procedure Based on Loess,STL)和长短期记忆网络(Long-short Term Memory,LSTM)组合的鸡蛋价格预测模型STL-LSTM。首先对于给定的鸡蛋价格序列,通过STL模型将原始鸡蛋价格序列分解为趋势成分、季节成分和剩余成分3部分。其次用LSTM模型对分解后的鸡蛋价格波动趋势成分和剩余成分预测,季节朴素方法(Seasonal-na?ve, Sna?ve)对分解后的季节成分预测。最后,将预测得出的鸡蛋价格趋势成分预测值、剩余成分预测值和季节成分预测值相加求和,得到原始鸡蛋价格预测值(图2)。
文章来源:《动物学杂志》 网址: http://www.dwxzzzz.cn/qikandaodu/2021/0114/457.html