[发明专利]一种畜禽产品价格的预测方法及系统

权利要求书

1.一种畜禽产品价格的预测方法，其特征在于，包括：

将畜禽产品价格序列的趋势成分和周期成分分离，得到价格趋势成分序列和周期成分序列；

通过子序列分割法和最相似子序列搜索法，基于所述周期成分序列，对畜禽产品价格周期成分进行预测，获取周期成分预测序列；

通过支持向量回归模型，基于所述价格趋势成分序列，对畜禽产品价格趋势成分进行预测，获取价格趋势成分预测序列；

将所述周期成分预测序列和所述价格趋势成分预测序列进行叠加，获得预测价格。

2.根据权利要求1所述的畜禽产品价格的预测方法，其特征在于，所述对畜禽产品价格周期成分进行预测具体为：

根据特征点分段，构造周期成分子序列矩阵；再采用最相似子序列搜索法对价格周期成分进行预测。

3.根据权利要求1所述的畜禽产品价格的预测方法，其特征在于，所述子序列分割法具体为：

对于给定时间序列周期成分，将所述时间序列周期成分的极大值点、起点和终点作为特征点或将所述时间序列周期成分的极小值点、起点和重点作为特征点，先按照特征点对畜禽产品价格周期成分子序列进行分割，得到其最大子序列长度为S；

将畜禽价格周期成分重新重叠分段，分段大小为S，每次向后滑动的步长为1；

当畜禽价格周期成分子序列去除最后k个值后长度为L，将其分为(L-S+1)个子序列。

4.根据权利要求1所述的畜禽产品预测方法，其特征在于，所述最相似子序列搜索法具体为：

使用畜禽产品价格周期成分子序列最后k个值组成的子序列M＝{x_m1,x_m2,…,x_mk}，与周期成分子序列矩阵行向量进行匹配；

找到与M最相似的子序列，将与最相似子序列相邻的下一个值作为预测序列P的第一个值x_p1；

更新序列M中元素为M＝{x_m2,x_m3…,x_p1}，重新搜索最相似子序列，得到下一个预测值，直到得到预设步数的预测值。

5.根据权利要求1所述的方法，其特征在于，所述对畜禽产品价格趋势成分进行预测具体为：

先对趋势成分序列进行平稳化操作，求出回归阶数，再构造支持向量回归模型；然后通过所述支持向量回归模型对畜禽产品价格趋势成分进行预测。

6.根据权利要求5所述的方法，其特征在于，所述对趋势成分序列进行平稳化操作具体为：

通过取对数操作将序列映射到一个波动较小的区间上；

再进行一阶差分操作，得到趋势成分一阶差分序列；

对所述一阶差分序列进行ADF检验。

7.根据权利要5所述的方法，其特征在于，所述构造支持向量回归模型具体为：

采用时间序列中偏自相关系数分析方法得到回归阶数p，构造训练集；

采用遗传算法对支持向量回归参数进行搜索，得到最优参数组合；

将训练集、其对应的标签集和搜索出的参数作为输入，根据支持向量回归原理，训练支持向量回归模型。

8.一种畜禽产品价格的预测系统，其特征在于，包括：

成分分离模块，用于将畜禽产品价格序列的趋势成分和周期成分分离得到价格趋势成分序列和周期成分序列；

周期成分预测模块，通过子序列分割法和最相似子序列搜索法，基于所述周期成分序列，对畜禽产品价格周期成分进行预测，获取周期成分预测序列；

价格趋势预测模块，用于通过支持向量回归模型，基于所述价格趋势成分序列，对畜禽产品价格趋势成分进行预测，获取价格趋势成分预测序列；

价格预测模块，将所述周期成分预测序列和所述价格趋势成分预测序列进行叠加，获得预测价格。

9.根据权利要求8所述的系统，其特征在于，所述周期成分预测模块具体用于：

根据特征点分段，构造周期成分子序列矩阵；再采用最相似子序列搜索法对价格周期成分进行预测。

10.根据权利要求8所述的系统，其特征在于，所述周期成分预测模块包括最相似子序列搜索模块，所述最相似子序列搜索模块用于：

使用畜禽产品价格周期成分的序列最后k个值组成的子序列M＝{x_m1,x_m2,…,x_mk}，与周期成分子序列矩阵行向量进行匹配；

找到与M最相似的子序列，将与最相似子序列相邻的下一个值作为预测序列P的第一个值x_p1；

更新序列M中元素为M＝{x_m2,x_m3…,x_p1}，重新搜索最相似子序列，得到下一个预测值，直到得到预设步数的预测值。