[发明专利]一种基于相关性分析和机器学习的猪肉价格预测方法及系统

权利要求书

1.一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，包括如下步骤：

步骤一，采集猪肉价格相关性数据并对数据预处理，利用时间序列模型和数据挖掘算法分析得到影响猪肉价格的多维解释变量，将其纳入猪肉价格预测数据集中；

步骤二，由多维解释变量建立SVM回归模型，并对SVM回归模型进行优化，优化包括对预测集合的数据处理和转化、参数寻优方法，求解得到使得测试集RMSE最小时的最优参数组合下的SVM回归模型，运用均方根误差和拟合优度作为模型预测和训练的评价指标；

步骤三，根据建立的SVM回归模型，输入响应的预测解释变量预测未来时间的猪肉价格走势。

2.根据权利要求1所述的一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，所述步骤一中，具体包括如下部分：

部分一，对相关性数据进行采集和数据预处理，得到历年月度猪肉价格及其他变量的数据；

部分二，基于猪肉价格和其他因素的相关性分析，分析和挖掘出影响猪肉价格的变量，由VAR模型对数据统计性质的要求，对所研究变量利用ADF单位根检方法进行平稳性检验；

部分三，对于平稳性检验，原始数据一阶差分后满足平稳性检验，原始数据一阶差分后”通过”平稳性检验，为对研究变量作长期趋势分析，在原始平稳性检验基础上进行协整检验，序列协整检验通过，由上对猪肉价格建立VAR模型以及进行Granger因果检验；

部分四，结合猪周期以及AIC、BIC最小准则确定最优阶数n，构建VAR(n)模型；

部分五，基于建立的VAR模型，由脉冲响应分析，分析猪肉价格与其他研究变量之间的动态交互作用及其效应；得到对猪肉价格影响性比较显著的特征因素；

部分六，利用Granger因果检验方法检验猪肉价格与其他研究变量的因果动态关系，得到豆粕价格不是猪肉价格浮动的Granger原因，即豆粕价格的波动不能有效的解释猪肉价格的波动变化特征。

3.根据权利要求2所述的一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，所述步骤一中，还包括：

部分七，基于猪肉价格与其他变量的量化数据，对猪肉与其他研究变量挖掘内在的关联准则；对猪肉价格及其他变量的数据根据变量前后期价格涨幅的大小，将原始数据离散化后利用Apriori挖掘算法寻找各变量之间的关联关系。

4.根据权利要求3所述的一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，所述步骤一中，还包括：

部分八：通过Apriori挖掘算法的设置最小支持度和最小置信度，根据强规则挖掘各变量间相关性大的频繁项集；根据量化分析的结果，得到部分变量与猪肉价格不构成关联关系，对此类部分变量在后续预测中进行剔除。

5.根据权利要求4所述的一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，所述步骤一中还包括：

部分九，剔除相关性、关联性较弱的变量，综合分析得到与猪肉价格相关性较强的变量。

6.根据权利要求4所述的一种基于相关性分析和机器学习的猪肉价格预测方法，其特征在于，所述步骤二中，具体包括如下操作：

操作一，利用前期分析挖掘得到的相关性变量，纳入SVM回归预测模型充当解释变量，以上述确定变量为基础划分训练数据集和测试数据集

操作二，对猪肉价格的预测模型建立中，运用SVM回归方法，将相关性因素变量的数据输入到建立的SVM回归模型中，得到预测结果，对测试集合的预测结果用RMSE进行评价。