首页|一种基于改进时间卷积网络的生猪价格预测方法

一种基于改进时间卷积网络的生猪价格预测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统的生猪价格预测方法存在预测精度不够高,容易陷入局部最小值等问题,为更加精准地预测生猪价格,采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法,以经过Z-Score标准化预处理的西南地区某省2011-2020年每周生猪价格数据为样本,对生猪价格预测进行研究.结果 表明:TCN模型预测结果的均方误差(MSE)为0.340606,平均绝对误差(MAE)为0.288424,决定系数(R2)为0.995683,均优于其他3种机器学习模型;与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较,3个指标分别提升了26％、8％和0.15％.改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格.
A hog price prediction method based on improved temporal convolutional network

王泽鹏、陈晓燕、庞涛、余富、胡肖楠、汪震

展开 >

四川农业大学信息工程学院,四川雅安625014

农业信息工程四川省高校重点实验室,四川雅安625014

四川农业大学机电学院,四川雅安625014

生猪价格 时序预测 时间卷积网络 交叉验证 网格搜索 机器学习

四川省教育厅一般项目(自然科学)四川农业大学校级本科教育教学改革重点项目

17ZB03332019076

2021

10.11841/j.issn.1007-4333.2021.12.14

中国农业大学学报
中国农业大学

中国农业大学学报

CSTPCDCSCD北大核心
影响因子：0.971
ISSN：1009-508X
年,卷(期)：2021.26(12)
  • 6
  • 6