基于Q-RBF神经网络模型的国产大豆价格预测研究

摘要：

大豆是重要的经济作物,同时也是我国市场化和国际化程度最高的大宗农产品,对其价格进行预测具有重要意义.采用Q-RBF神经网络模型对国产大豆价格进行预测,该模型具有如下两个特点:(1)通过分位数回归功能来描述大豆在不同价格水平下的分布特征;(2)通过RBF神经网络结构来刻画大豆价格的非线性关系.在模型参数优化时,由于遗传算法是一种全局搜索优化方法,但是搜索速度慢、对初始值具有一定依赖性;而梯度下降法具有收敛快,对初始值没有特定要求等优点,所以本文提出遗传算法与梯度下降法相结合的混合改进算法,其基本思想是利用梯度下降法的局部寻优能力加快遗传算法的收敛速度.采用2010年1月-2015年12月的国产大豆月度价格数据进行预测研究,结果表明,算法收敛速度较快,模型预测精度较高,是可以泛化应用的预测模型.

关键词：预测、Q-RBF神经网络、梯度下降法、遗传算法、概率密度函数

所属期刊栏目：36

分类号：F224.7(经济计算、经济数学方法)

资助基金：国家自然科学基金71301077;南京农业大学中央高校基本科研业务费人文社会科学基金SK2014011.

在线出版日期：2017-03-08（万方平台首次上网日期，不代表论文的发表时间）

页码：143-149