基于时序数据的生猪价格预测方法研究及应用

作     者：王颜 

作者单位：北京邮电大学 

学位级别：硕士

导师姓名：邓芳

授予年度：2023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：生猪价格 时间序列预测 图神经网络 分解集成 

摘      要：生猪产业在我国农业经济板块中具有举足轻重的地位,但生猪市场价格却一直笼罩在频繁波动的阴影之下,给居民消费和产业发展带来负面影响。对价格进行合理预测不仅能够帮助养殖户更好地把握市场情况,降低潜在损失风险,而且有助于政府部门及时制定调控措施,对确保产能和价格稳定、促进产业健康发展具有重要意义。然而生猪价格复杂的序列特征给预测研究带来很大挑战。为提高生猪价格预测的准确性,同时考虑到养殖投资过程中多种决策场景的信息需求,本课题以价格波动沿纵向生产链条和横向流通链条的传导特征为切入点,开展了基于时序数据的生猪价格短期和长期预测方法研究。论文的主要工作如下:(1)针对短期预测问题,本课题在对价格的空间传导效应进行探索性分析的基础上,设计并实现了基于图神经网络的correlation-STGCN模型。模型由数据驱动的图生成模块、时空卷积网络和线性自回归模块组成。图生成模块衡量价格波动特征的相关性,以此构建图邻接矩阵来描述省际价格依赖关系;时空卷积网络使用重定义拉普拉斯矩阵的谱图卷积适配有向带权图,结合门控卷积网络实现时空特征的提取;线性模块捕捉趋势变化以缓解非线性模型尺度不敏感问题。实验结果表明本课题的方法在现有数据上取得了良好效果。(2)针对长期预测问题,本课题实现了基于分解集成框架的HP-LightGBM-segment attention混合模型。模型使用Box-Cox变换调整不同时期的价格数据分布,选用单侧HP滤波进行序列分解以避免信息泄露,针对分解后得到的趋势序列和伪周期波动序列分别设计了基于LightGBM的动态回归模型和基于分段注意力的编码器解码器模型。在全国生猪及猪肉均价周度数据集上进行实验,结果表明本课题的方法优于其他基准模型。(3)最后本课题设计并实现了数据可视化系统。系统整合了上述长短期预测问题的研究成果,实现了生猪产业链数据及预测结果的直观展示,以微信小程序为载体向养殖户提供服务。