基于數(shù)據(jù)挖掘的玉米市場價格預測.pdf

1、農產品的價格波動及其將來的走勢與人們的生活息息相關，而玉米是我國的主要糧食產量之一，生產量很大，種植廣泛，而且用于糧食作物、飼料作物、燃料作物等方面的消費量也很大。所以近年來，該糧食的產量、價格、需求量等備受關注，尤其是價格是人們最關注的。
　　多年來，國內外很多學者對玉米市場做了研究，有的將時間序列的各種模型應用到價格的分析與預測上，效果比最初的線性模型好。而現(xiàn)在使用的各種算法準確度高、效果好，通常不用受很多條件的限制，而且運算

2、速度也是比較快的。所以，很多學者在考慮農產品分析問題上也會使用數(shù)據(jù)挖掘的算法。
　　本文致力于解決實際問題，以農產品價格－－玉米價格為研究對象（選取的數(shù)據(jù)為2005年1月到2016年11月的價格），在各位學者研究的基礎上，綜合考慮并選擇合適的方法，根據(jù)實際問題，分析借助R工具建立模型，選取最優(yōu)模型進行最終的預測。本文分析實例問題時借助R工具，通過分析建立時間序列模型、神經網絡模型：對于時間序列模型，選用AR(1)、ARIMA(1,

3、1,1)、ARIMA(2,1,3)、多重季節(jié)MA模型ARIMA(2,1,3)、季節(jié)模型ARMA(2,0,2)這5個模型，選取出最優(yōu)的模型；對于神經網絡模型，選用前五個月、六個月、十二個月的月度數(shù)據(jù)分別作為輸入神經元，輸出神經元為未來一個月、兩個月、三個月、四個月、未來五個月的月度數(shù)據(jù)，通過設置隱藏層的單元個數(shù)、反向傳播速率、最大迭代次數(shù)等指標，共建立45個模型，通過比較選出最優(yōu)模型；最后將兩種方法進行比較，最終選出最優(yōu)模型，進行預測。通

4、過對這個具體問題的分析，可以看出：
　　(1)價格波動的影響因素有很多，多種因素結合起來很難用線性的模型表示，用傳統(tǒng)的模型很大局限性，精度也不高。而神經網絡可以很好地解決非線性問題，因為神經網絡可以任意近似任何非線性函數(shù)。神經網絡可以任意精度的逼近任何非線性函數(shù)。本文最終選取的預測方法是神經網絡建模方法。
　　(2)通過影響因素的分析，可以看出有很多指標無法量化，所以從價格趨勢角度進行分析。
　　(3)通過各種模型的結