基于PSO-BP与RBF神经网络的蔬菜价格组合预测
为准确预测蔬菜市场价格走势,现选取海南省儋州市2012-2015年117组青椒旬零售价格及相关因素的旬价格为样本数据,其中100组作为训练数据,17组数据作为测试数据,分别建立基于粒子群算法优化BP神经网络的蔬菜价格预测模型和基于RBF神经网络的蔬菜价格预测模型,并在这2种模型的基础上建立蔬菜价格的线性组合预测模型.结果表明:2种单项预测模型在蔬菜价格预测上的应用效果都较好,且在不同评价指标上各有优势.将这2种模型的预测结果进行线性组合,可以使各单项模型优势互补,拟合效果明显优于各单项预测模型.
粒子群优化、BP神经网络、RBF神经网络、蔬菜价格、线性组合预测
F201(国民经济管理)
海南省自然科学基金资助项目714281.
2015-12-22(万方平台首次上网日期,不代表论文的发表时间)
212-215