科技创新 2m6钎第20期I科技创新与应用 基于时间序列的BP神经网络猪肉价格预测 张津张瑞斌 (成都理工大学管理科学学院，四川成都610059) 摘要：猪肉价格是不稳定的，起伏变化的，猪肉价格的预测是非线性，非平稳的问题“而神经网瘩具有很强的非线性、自组织、自学习能力．能够很好地处理非线性信息。文章选用基于时间序列的BP神经网络预测法，对猪肉的价格进行预测，对加大农民养殖利益以及防止生猪生产的市场风险有一定的参考作用。 关键词：BP神经网络；时间序列；猪肉价格预测 1概述 BP算法是很成熟的多层前馈网络i川练算法，BP算法自身有收敛速度慢，容易产生局部极小值和弱推广能力等问题些但由于BP 算法方便简单、运算速度快，并行性强很多优点，可以用来预测猪肉价格。BP神经网络分为信息的正向传播与误差的逆向传播两个部分口。在正向传播过程中，正向传播包括输人层、隐含层和输出层三层，通过这三层的信息处理并输出，得出预测结果。若实际输出与期望输出不符，则进人误差的逆向传播阶段，按误差梯度下降的方式修改各层权值，依次逆传。不断学习训练，直到网络输出误差达到可接受范围 2 BP神经网络设计进行BP网络设计时，考虑以下几个方面： 2彐网络层数的选定 关于BP神经网络算法，只关注单因素预测模型，即猪肉价格自身的数据预测。山于查找历史数据有限，不需选择增加网络层数的办法而是选择增加隐含层神经元节点的数目来提高输出结果的精度札所以，选用单一层的BP神经网络模型。 2．2输人输出层神经节点对于输出层，有 cFf(netk) k=l，2， 一〗v过k：1，2，， (2) 在单因素预测中，使用每月猪肉平均价格作为原始数据。选择3 个月的价格数据作为顸测的分析周期，将输人层神经元节点数设为 3，输出层神经元节点数为1 23陰含层神经节点 在模型中其他参数值保持不变的情况下，通过调整隐含层神经节点的数目进行重复实验，对比输出误差，确定最佳隐含层神经元节点个数。 对于隐含层，有 0) (4) net,= 2．4函数的确定以上两式中，所用函数f()均为Sigmoid函数 巧) 2．5网络误差 BP神经网络的重点是网络误差和权值调整。当网络实际输出与期望输出不同时，存在误差E，定义如下 一(b一的2：的伟002 1 (6) 2 3 BP神经网络应用 3.1数据来源 吕梁某城区2m4年1月至4月每月平均猪肉部分价 格如表0 3．2 BP神经网络的训练与仿真首先，对数据进行归一化处理： pn=2*( P—minp)/( maxp—minp)一1 表1吕梁某城区蕕肉价格表(单位：元) 在神经网络生成后，可利用已有的输人数据与目标数据进行网络的训练。 将样本数据放到已经训练好的网络中仿真模拟，这个过程通过sirn()函数实现。运用1月到2m6年4月间每月的猪肉平均价格数据来进行预测。先进行作为测试集样本的预测，预测出 20巧年7月份到12月份的猪肉价格。 0 0一、0」LJ 0 0 图1价格预测值实际值对比图 可以看出，2m5年7月份到] 2月份的堵肉价格预测结果与实际值最大误差仅为0.01，说明所建模型科学合理，可以用来预测猪肉价格。 3，3价格预测 运用2m4年7月到2m6年3月间吕梁某城区每月的猪肉平均价格数据来进行预测2将数据归一，构建BP神经网络模型。经过多次实验得出隐含层点数为8时，预测误差最小，拟合度最高。循环次数为5{)O()次，优化目标为0．01，训练模拟数据后，预测出2m6年4 月到9月的猪肉价格走势。 4结论与分析 通过对猪肉价格本身变化趋势进行研究，建立
