基于BP神經網絡的馬鈴薯價格預測

白偉 李鳳英

摘要：寧夏西吉縣是國家級貧困縣，特色農產品有馬鈴薯、冷涼蔬菜、肉牛、羊、雜糧等，馬鈴薯為支柱產業享譽國內外。以西吉縣新營鄉馬鈴薯批發市場2016/10/17-2020/2/2三種馬鈴薯每日交易價格共2894個數據樣本為例。利用BP隱層神經網絡理論與Matlab人工神經網絡工具箱構建預測模型，對銷售價格進行短期預測，并利用MAE、MAPE、MASE 評價指標檢驗顯示結果良好，能夠為政府穩定市場、提高農戶收入做出科學判斷依據，同時為其他農產品價格預測提供理論與實操可信參考。

Abstract： Xiji County， Ningxia is a national poverty-stricken county. The specialty agricultural products include potatoes， cold vegetables， beef cattle， sheep and miscellaneous grains. Potato is a well-known industry at home and abroad. Taking the potato wholesale market of Xinying Township in Xiji County from 2016/10/17-2020/2/2 with a total of 2894 data samples as an example， this paper uses the theory of hidden layer of BP neural network and Matlab neural network toolbox to build prediction model of short-term prediction on the selling price， and the MAE， MAPE， MASE evaluation index shows good results， which can make scientific judgment for raising the income of farmers and stabilizing market price， and provide credible theoretical and practical reference for other agricultural product price forecast.

關鍵詞：BP神經網絡;馬鈴薯;預測

Key words： BP neural network;potato;forecast

中圖分類號：O212.9 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2020）15-0201-03

0 ?引言

中國是農業大國，促進農業的可持續發展是提高農戶收入及生活水平的重要途徑。以寧夏西吉縣為例，國家級貧困縣總人口49.6萬[1]，農業人口42.5萬占85.69%是寧夏人口、農業第一大縣。在“精準扶貧”模式下，貧困人口從2015年的27%下降至2019年的1%，脫貧效果顯著，目前鞏固成果中。特色農產品有馬鈴薯、冷涼蔬菜、肉牛、羊、雜糧等，尤其馬鈴薯是支柱產業是該地農民精心選留與自然選擇的結果，被譽為“金豆豆”、“中國馬鈴薯之鄉“，優質馬鈴薯種植面積最高可達到120萬畝，2019年種植81萬畝，平均產量達1768.2公斤/畝[2]。銷售周期可達七到八個月時間，從種植、貯藏、加工再到外銷，西吉縣馬鈴薯產業正在形成一套完整的產業鏈條。

增加農民收入直接反映在農產品銷售價格上，確保農產品價格平穩運行一直是中國政府高度關注的重點，也是宏觀調控的難點，由于農產品上市周期不同，價格存在較大波動，如何精準、實時地進行農產品價格的短期預測，更是學術界長期不斷探索的研究領域。從已有文獻看，國內外學者對農產品短期價格時間序列進行預測的方法有許多。

近幾年的研究有，徐克[3]以統計學習理論、西方經濟學、計量經濟學、農業信息分析學為基礎，采用時間序列分析預測方法、經驗模態分解方法、希伯特-黃轉換法、支持向量回歸模型和組合模型預測等方法，結合實際問題進行實證分析，將農產品價格進行分解，并對分解后的結果進行深入分析，探究其背后的意義。王文晶[4]借助R工具，通過分析建立時間序列模型、神經網絡模型，選用AR（1）、ARIMA（1，1，1）、ARIMA（2，1，3）、多重季節MA模型ARIMA（2，1，3）、季節模型ARMA（2，0，2）等模型進行預測。張榮臻[5]建立Dropout神經網絡，進行農產品價格預測。賈寧[6]等根據農產品價格特點，設計了一種LSTM-DA（Long Short-Term Memory-Double Attention，雙重注意力機制與長短期記憶網絡融合）神經網絡模型，它將卷積注意力網絡（Convolutional Neural Networks，CNN）、長短期記憶網絡（Long Short-Term Memory，LSTM）和注意力機制相結合，針對不同成分的影響因子通過卷積注意力網絡進行特征提取，進行農產品價格指數的短期預測。

1 ?理論基礎

1.1 BP神經網絡

BP神經網絡[7]是目前為止最為成功的神經網絡算法之一，其學習方式采用標準梯度下降的誤差逆傳播（Error Back Propagation）的方式，以下介紹的BP神經網絡為3層前饋神經網絡，如圖1所示，定義如下：

給定訓練集

即輸入數據緯度為d，輸出的數據緯度為l。假設神經網絡有d個輸入節點，l個輸出節點，隱層有q個神經元，輸出層第j個神經元閾值為？茲j，第h個隱層神經元閾值為？酌h。輸入層第i個節點與隱層第h個節點之間的權重為vih，隱層第h個節點與輸出層第j個節點的權重為wih。根據以上假設可以有如下公式：

①激活函數為;

②隱層第h個神經元接收到的輸入為;

③隱層第h個神經元的輸出為;

④輸出層第j個神經元接收到的輸入為;

⑤輸出層第j個神經元的輸出。

由以上5個公式可知，神經網絡之中只要（d+l+1）q+l個參數確定，則就可以由輸入計算出輸出，這些參數分別為輸入層到隱層權重dq個，隱層到輸出層權重ql個，隱層神經元閾值為q個，輸出層神經元閾值為l個。

1.2 模型評價標準

人工神經網絡預測三大評價指標分別為MAE、MAPE、RMSE[8]，假設預測值為，真實值為，則評價指標定義如下：

①MAE （Mean Absolute Error），平均絕對誤差，是絕對誤差的平均值，平均絕對誤差能更好地反映預測值誤差的實際情況。范圍[0，+∞），當預測值與真實值完全吻合時等于0，即完美模型;誤差越大，該值越大。

（1）

②MAPE（Mean Absolute Percentage Error），平均絕對百分比誤差，真實值范圍（0，+∞），MAPE 為0%表示完美模型，MAPE大于100%則表示劣質模型。當真實值有數據等于0時，存在分母0除問題，該公式不可用。

（2）

③RMSE（Root Mean Square Error），均方根誤差，范圍[0，+∞），當預測值與真實值完全吻合時等于0，即完美模型;誤差越大，該值越大。

（3）

2 ?實證分析

2.1 數據來源

西吉縣新營鄉馬鈴薯批發市場是寧夏馬鈴薯最大交易市場，品種主要是以青薯9號、隴薯7號、青薯168三種為主，其中隴薯7號為新引進品種2018年10月份上市，每天定時發布交易價格，數據同步上傳在中國馬鈴薯網（http：//www.malingshu7.com/）。選取2016/10/17-2020/2/2青薯9號與青薯168交易單價（各1204個），2018/10/18-2020/2/2隴薯7號交易單價（486個），共2894個樣本數據，每日價格波動如圖2所示（單位元/公斤）。

2.2 預處理

將樣本數據分為訓練數據、預測數據、驗證數據三類。訓練數據主要用于模型構建，調整相關參數，使得模型達到預測要求。預測數據是模型建構完成后預測的數據，驗證數據則是真實數據。通過驗證數據與預測數據的對比分析，做出結論。

馬鈴薯的價格波動受各種因素合力決定，例如種植面積、季節、銷售周期等，西吉馬鈴薯已經過市場經濟多年檢驗，樣本數據周期單位為天，屬于高頻、高密度數據，明顯優于周期為周、月、年等數據，更有利于分析與驗證，價格本身已包含并體現著這些綜合因素的影響，故樣本數據用時間序列預測模式排列，用前期價格來預測后期價格，影響因素不再考慮。

2.3 模型構建

Matlab中包含神經網絡工具箱，因此使用Matlab（版本R2018b）軟件進行BP神經網絡模型構建預測模型。根據隱層BP神經網絡理論及結構，構建多隱含層模型，多隱含層泛化能力強，預測精度高。選擇Matlab神經網絡工具箱中的newff函數可方便構建多隱含層預測模型，通過編寫程序先進行數據選擇與歸一化處理，接著利用newff函數進行預測處理輸出，并計算MAE、MAPE、RMSE進行誤差檢驗。

2.4 預測分析

①青薯9號前1104個交易日價格為訓練數據，預測后100個交易日數據，預測值與真實值對比如圖3所示。

②青薯168前1104個交易日數據為訓練數據，預測后100個交易日數據與真實值對比如圖4所示。

③隴薯7號選擇前450個交易日數據為訓練數據，預測后36個交易數據，預測與真實值對比如圖5所示。

2.5 評價指標分析

三個品種的馬鈴薯預測數值與真實值誤差分析MAE、MAPE、RMSE統計表1所示，結果都趨于0，預測效果好。

柱形圖如圖6所示。

3 ?結論

本文建立了多隱層BP神經網絡預測模型，通過訓練、預測、檢驗，保證了預測模型的高效性和可靠性，整體預測效果優異，能夠為西吉馬鈴薯短期價格預測提供科學參考，同時為其他農產品價格預測提供可信參考。

參考文獻：

[1]百度百科.西吉縣， https：//baike.baidu.com/item/西吉縣/11021369？fr=aladdin.2019-3-25.

[2]今日美麗興平.西吉縣2020年政府工作報告， https：//m.sohu.com/a/364589910_740774，2020-1-3.

[3]徐克.基于價格分解的鮮活農產品短期價格預測模型[D].中國農業科學院研究生論文，2016-5-1.

[4]王文晶.基于數據挖掘的玉米市場價格預測[D].青島大學研究生學位論文，2017-5-26.

[5]張榮臻，胡堅.基于Dropout神經網絡的農產品價格預測研究[J]，數字技術與應用，2018，36（9）：49-51.

[6]賈寧，鄭純軍.基于LSTM-DA神經網絡的農產品價格指數短期預測模型[J].計算機科學，2019，31（s2）：62-65，71.

[7]David Runelhart，Geoffrey Hinton. Error Back Propagation Training， The meeting，1986.

[8]阿培丁.機器學習導論[M].機械工業出版社，2009.

基金項目：寧夏師范學院校級科研項目資助（NXSFYB2006）。

作者簡介：白偉（1984-），男，寧夏中寧人，副教授，碩士，研究方向為計算機技術。