首页|基于BP神经网络、ARIMA和LS-SVM模型的集成预测研究——1978-2017年陕西省苹果产量实证

基于BP神经网络、ARIMA和LS-SVM模型的集成预测研究——1978-2017年陕西省苹果产量实证

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
利用单一预测模型进行产量预测时,由于各模型的数学原理不同,对同一数据的处理只能基于数据的部分特征,在预测时无法深度挖掘数据的潜在规律,易出现较大的预测偏差.基于以上问题,笔者以1978-2017 年陕西省苹果产量数据为研究对象,将1978-2012年产量作为预测模型的训练数据,2013-2017 年产量作为测试数据,选取BP神经网络、ARIMA、LS-SVM3种在数学原理上具有明显差异的预测模型,采用集成预测策略,依据3 种预测模型对训练数据的平均相对预测误差确定各模型的预测权重,最终对各模型预测的2013-2017年数据进行加权获取集成预测值.实证分析表明,集成预测值的平均相对误差在2.5％以内,其预测结果比单一预测模型更加准确和稳健,可有效实现苹果产量高精度预测.

李鹏飞、王青青、毋建宏、陈华雪

展开 >

西安邮电大学现代邮政学院,陕西西安710061

西安邮电大学经济与管理学院,陕西西安710061

BP神经网络 ARIMA LS-SVM 陕西苹果产量 集成预测

国家社会科学基金教育部哲学社会科学研究后期资助项目陕西省科技厅重大项目陕西省社会科学界2019 年重大理论与现实问题研究项目陕西高校青年创新团队西安市科技计划[编号201806117YF05NC13(5)]

18FGL02218JHQ0822018ZDXM-GY-1882019TJ038

2020

江苏农业科学
江苏省农业科学院

江苏农业科学

CSTPCD北大核心
影响因子：0.732
ISSN：1002-1302
年,卷(期)：2020.48(4)
  • 6
  • 14