基于LSTM-SVR组合模型优化的苹果价格预测研究与实现

作     者：刘宇萌 

作者单位：重庆三峡学院 

学位级别：硕士

导师姓名：钟静;陶平

授予年度：2024年

学科分类：12[管理学] 0202[经济学-应用经济学] 02[经济学] 1203[管理学-农林经济管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020205[经济学-产业经济学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：长短期记忆神经网络模型 支持向量回归模型 麻雀搜索算法 组合模型 价格预测 

摘      要：苹果是全球重要的水果之一,其价格波动对农户、批发商和经销商具有重要影响。在苹果批发市场中,准确预测价格变动对于市场参与者做出明智的决策至关重要。本研究旨在开发一种高效的苹果价格预测系统,以提供可靠的市场信息。我们选取富士苹果为研究对象,首先收集了2014年1月1日-2022年5月1日的苹果历史价格及其相关的18项影响因素进行分析和筛选,基于灰色关联分析理论得出了18种因素与苹果价格的关联程度。利用深度学习和优化算法相结合的方法进行价格预测。其次为了增强模型性能,我们采用麻雀搜索算法（SSA）对支持向量回归（SVR）模型进行参数优化,并与传统的长短时记忆网络（LSTM）模型相结合,构建组合模型。选取MSE、MAE、MAPE、R作为评价指标综合考虑模型的拟合度和预测性能,通过对比单一模型和组合模型的各项评价指标,可以更好的验证得出组合模型性能更优。最后基于模型整体效果,设计并实现了苹果价格预测系统,为农户、批发商等相关产业人员提供历史价格以及价格预测可视化平台,帮助他们更好地理解市场动态、制定合理的价格策略和优化决策。未来,我们将继续改进模型,考虑引入更多影响因素,以进一步提高预测的准确性和鲁棒性。