[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

说明书

本发明公开了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，包括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；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；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；本系统基于统计方法和量化分析，在上述基础上提供一种对猪肉价格的预测系统；本方法提供多种方法对价格的相关性因素进行研究；可以对猪肉价格波动的动态规律进行分析，也可以对猪肉价格进行预测。

技术领域

本发明涉及一种价格预测领域，具体是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。

背景技术

近年以来，部分省份猪肉价格呈现非线性的波动和明显的时序性变化，在经历非洲猪瘟后一年的时期内，猪肉价格波动明显。猪肉价格的涨跌起伏打乱了猪肉产业链的平衡。对养殖户的决策、居民消费以及猪肉市场的稳定有很大的影响。

对猪肉价格波动的相关性因素进行分析和对猪肉价格的正确预测，不仅可以帮助相关部门更好对猪肉市场进行精确调控，维持猪肉市场稳定，控制猪肉价格暴涨暴跌等现象发生，还可以帮助养殖户及猪肉产业链其他企业对猪肉市场走向判别分析，共同维系猪肉市场的稳定，保障民生消费需求。

关于猪肉价格的预测问题，现有方法多是直接建立预测模型，并未对相关性因素进行明确分析和特征提取，也未对现有相关性数据的特征进行分析，不能有效的说明预测模型建立的依据；现有预测模型的预测变量提取方法单一，不能挑选出最适合用于价格预测的特征。

发明内容

基于上述背景技术中所提到的现有技术中的不足之处，为此本发明提供了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。

本发明通过采用如下技术方案克服以上技术问题，具体为：

一种基于相关性分析和机器学习的猪肉价格预测方法，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。

作为本发明进一步的方案：先搜集畜牧价格相关因素，从众多因素中利用多种统计方法进行相关性分析，从侧面上分析相当于对数据降维，提高数据的利用性。

作为本发明再进一步的方案：SVM支持向量机预测模型，对于模型参数的选择利用Grid Search参数寻优方法寻SVM支持向量机最优参数组合，后期分析时对200000个模型进行筛选得到最优模型，最后利用测试集合测试得到不错的预测效果。

一种基于相关性分析和机器学习的猪肉价格预测系统，采用上述实施例所述的基于相关性分析和机器学习的猪肉价格预测方法。

本发明相较于现有技术，具备以下优点：利用多种统计学习方法(计量经济、数据挖掘)对相关性变量进行提取，有助于后续提高对猪肉价格预测建模的准确性；

符合数据非线性的特征下利用SVM支持向量机回归算法对猪肉价格进行预测，预测效果较好；

基于前期训练和测试集合建立的SVM支持向量机回归模型，可以对未来的猪肉价格进行预测。

附图说明

图1为基于相关性分析和机器学习的猪肉价格预测的流程图。