期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于HP-EMD数据分解与CNN-LSTM深度学习的蔬菜价格预测模型
被引量:
1
1
作者
何志亚
刘闯
+2 位作者
武官府
刘云贵
马建强
《上海农业学报》
2024年第2期109-117,共9页
现有蔬菜价格预测模型多针对单一品种且稳定性与适用性不足,鉴于此提出一种基于HP滤波法(Hodrick-Prescott filter)与经验模态分解法(Empirical mode decomposition,EMD)分解数据,并耦合卷积神经网络(Convolutional neural network,CNN...
现有蔬菜价格预测模型多针对单一品种且稳定性与适用性不足,鉴于此提出一种基于HP滤波法(Hodrick-Prescott filter)与经验模态分解法(Empirical mode decomposition,EMD)分解数据,并耦合卷积神经网络(Convolutional neural network,CNN)与长短期记忆模型(Long short-term memory,LSTM)的蔬菜价格预测模型。HP-EMD方法将价格序列分解为意义明确的分量以分析价格的波动规律,CNN-LSTM方法提取分量特征以提高模型的稳定性。以云南省2019—2021年西红柿、芹菜、菠菜、大白菜和大蒜的价格数据进行模型验证。结果表明:该模型预测的西红柿价格平均相对误差为5.03%、决定系数为0.85、均方根误差为0.30元(人民币,下同)∕kg,DM检验(Diebold mariano test)表明该模型显著优于其他模型。其他蔬菜预测结果的决定系数也均在0.8以上,表明该模型具有良好的适用性。
展开更多
关键词
蔬菜价格
CNN
LSTM
经验模态分解
HP滤波
下载PDF
职称材料
题名
基于HP-EMD数据分解与CNN-LSTM深度学习的蔬菜价格预测模型
被引量:
1
1
作者
何志亚
刘闯
武官府
刘云贵
马建强
机构
红河哈尼族彝族自治州
水利水电
勘察
设计
研究院
河海大学农业科学与工程学
院
红河哈尼族彝族自治州
水利水电
工程地质
勘察
咨询规划
研究院
出处
《上海农业学报》
2024年第2期109-117,共9页
基金
国家自然科学基金项目(51609082)。
文摘
现有蔬菜价格预测模型多针对单一品种且稳定性与适用性不足,鉴于此提出一种基于HP滤波法(Hodrick-Prescott filter)与经验模态分解法(Empirical mode decomposition,EMD)分解数据,并耦合卷积神经网络(Convolutional neural network,CNN)与长短期记忆模型(Long short-term memory,LSTM)的蔬菜价格预测模型。HP-EMD方法将价格序列分解为意义明确的分量以分析价格的波动规律,CNN-LSTM方法提取分量特征以提高模型的稳定性。以云南省2019—2021年西红柿、芹菜、菠菜、大白菜和大蒜的价格数据进行模型验证。结果表明:该模型预测的西红柿价格平均相对误差为5.03%、决定系数为0.85、均方根误差为0.30元(人民币,下同)∕kg,DM检验(Diebold mariano test)表明该模型显著优于其他模型。其他蔬菜预测结果的决定系数也均在0.8以上,表明该模型具有良好的适用性。
关键词
蔬菜价格
CNN
LSTM
经验模态分解
HP滤波
Keywords
Vegetable prices
CNN
LSTM
Empirical modal decomposition
Hodric-Prescott filtration
分类号
S626 [农业科学—园艺学]
F323.7 [经济管理—产业经济]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于HP-EMD数据分解与CNN-LSTM深度学习的蔬菜价格预测模型
何志亚
刘闯
武官府
刘云贵
马建强
《上海农业学报》
2024
1
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部