论文部分内容阅读
随着我国蔬菜产业的不断发展完善，我国最近诞生了第一个蔬菜价格指数体系—中国.寿光蔬菜价格指数。对该指数的预测研究有助于我们掌握各类蔬菜价格的变化趋势，从而对未来的行为和决策做出相应的调整，进而促进蔬菜产业的良性发展。现有的数学理论体系中，对各类研究对象进行预测的模型有不少，但目前学者也不曾就寿光蔬菜价格指数进行定量预测研究。因此，本文采用三种预测模型就寿光蔬菜价格月定基指数体系中的总指数和三种四级指数分别进行建模分析，并对三种不同的模型预测性能进行比较分析。本文采用Matlab6.5对样本数据进行GM(1,1)和Bayesian-BP神经网络的建模分析，采用Eviews6.0对样本数据进行ARMA（ARIMA）建模分析，少量图形采用R语言画出。经过灰色数列预测分析、时间序列预测分析及Bayesian-BP神经网络预测分析，相比之下，ARMA（或ARIMA）模型对本文所选取的四种价格指数的预测效果在三者中是最好的，但其短期预测效果不及GM(1,1)模型；GM(1,1)模型更适合对时序趋势比较平滑的价格指数的预测分析，且中、长期预测效果不及短期预测效果佳；Bayesian-BP神经网络模型的预测效果在三者中最差，原因在于本文所收集的实际数据作为样本的容量太小，不足以让神经网络进行训练学习，以提取更多有用信息以生成精准的预测映射。根据本文的结论，我们可以采用GM(1,1)模型对部分蔬菜价格指数进行短期预测，为短期行为及决策提供参考；可以采用ARMA（或ARIMA）模型对大部分蔬菜价格指数进行中、长期预测，为中、长期行为及决策提供参考。同时本文也存在一些不足，因此可以在本文研究的基础上进一步深入研究，以更切合实际的对寿光蔬菜价格指数体系进行预测分析，为实际生产生活提供建议和指导，以推动整个蔬菜产业的平稳发展。