数字农科院2.0

基于优化神经网络时间序列模型的蔬菜价格预测方法

文献类型： 中文期刊

作者： 侯颖;孙坦;崔运鹏;王晓东;赵安平;王婷;王增飞;杨唯佳;谷钢;吴绍东

作者机构：

关键词： 农产品价格;蔬菜价格;时间序列;神经网络;价格预测;价格波动

期刊名称：智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2025 年 中英文 期

页码：

收录情况： CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： [目的/意意义义]蔬菜价格预测难度较大，在其时间序列中受到天气、物流、季节、供需、政策等多种因素影响，数据具有非线性和非平稳特性。[方法]以胡萝卜、白萝卜、茄子和结球生菜4种常见蔬菜价格为研究对象，提出一种基于神经网络结构的时序模型价格预测方法。引入自动调参优化算法对PatchTST、iTransformer、SOFTS、TiDE、Time-LLM这5种基于神经网络结构的时序预测模型进行超参数调优，并将传统自回归积分移动平均模型（Autoregressive Integrated Moving Average, ARIMA）作为基准模型，对比了基于神经网络时序模型的预测性能，最终选择性能最优模型预测蔬菜价格。通过平均绝对误差（Mean Absolute Error, MAE）、平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）、均方误差（Mean Square Error, MSE）多维度指标分析了各模型的价格预测准确度。[结果和讨论]基于神经网络结构的时序预测模型在蔬菜价格预测中具有较好的拟合效果，而引入的自动调参优化算法在价格预测任务中成为提高模型表现的关键。具体来说，模型经过自动调参优化算法后，胡萝卜、白萝卜和茄子日价预测在MSE指标上至少分别降低了76.3%,94.7%和74.8%；周价预测至少分别降低85.6%,93.6%和64.0%，表现出较好的准确性。[结论]自动调参优化算法有效地提升了模型预测性能，可以较为准确地预测蔬菜价格走势，为蔬菜价格预测问题提供了高效的解决方案。

分类号：

  • 相关文献

[1]基于NARX神经网络的农产品价格时间序列预测方法研究. 彭琳,林明. 2013

[2]我国绿豆价格波动及趋势分析. 武玉环,郭静利. 2016

[3]中国豆粕价格波动分析及预测. 武玉环,秦富. 2018

[4]2012–2020年云贵地区韭菜批发市场交易价格调查统计数据集. 安民,孔繁涛,曹姗姗,孙伟,刘继芳. 2026

[5]农产品市场价格预测方法探析. 任伟宏. 2011

[6]当前我国鸡蛋价格趋势的分析及预测. 武玉环,秦富. 2017

[7]中国鸡蛋市场走势及其对中小蛋鸡养殖户的影响分析. 武玉环,秦富. 2019

[8]关于我国鸡蛋价格的预测及分析. 徐明凡,刘合光. 2014

[9]近期中国鲜活农产品价格波动及走势研判. 余玉芹,沈辰,孔繁涛. 2014

[10]农产品市场监测预警深度学习智能预测方法. 许世卫,李乾川,栾汝朋,庄家煜,刘佳佳,熊露. 2025

[11]基于时间序列分解的近10年北京市蔬菜价格波动规律分析. 刘丽红,李瑾,赵安平. 2016

[12]多地蔬菜检出放射性元素市场价格未出现大幅波动. 李辉尚. 2011

[13]北京市蔬菜价格波动的影响因素和评估及政策建议. 赵安平,赵友森,王川. 2012

[14]我国蔬菜价格问题及其成因分析. 周振亚,李建平,张晴,阴晴. 2012

[15]1-2月农产品市场监测信息(二) 蔬菜市场形势分析报告. 李辉尚,张玉梅. 2012

[16]菜价暴跌深层次分析与对策研究. 王哲,郑红维,孙宇韬. 2011

[17]2011年上半年蔬菜市场分析报告. 张玉梅,李辉尚. 2011

[18]中国蔬菜价格解析. 周振亚,李建平,张晴,罗其友,阴晴. 2012

[19]我国蔬菜价格研究进展. 郭晶鹏,毛克彪,赵映慧,左志远,陈冬冬. 2016

[20]蔬菜价格保险推进特点、存在问题与建议. 赵俊晔,张峭. 2014

作者其他论文 更多>>