期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
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
上一页 1 下一页 到第
使用帮助 返回顶部