检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

白条猪价格预测模型构建

河南农业大学学报 2024年第1期58卷 123-131页

作者：刘合兵华梦迪席磊尚俊平河南农业大学信息与管理科学学院河南郑州450046

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应... 详细信息

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。

关键词：价格预测自适应白噪声完全集合模态分解主成分分析神经网络组合模型

在线全文

学校读者我要写书评

暂无评论

河南省生猪价格波动及影响因素分析

河南科学 2024年第7期 1075-1085页

作者：程春畅王文海刘合兵尚俊平河南农业大学信息与管理科学学院

近年来受非洲猪瘟及新冠肺炎疫情影响，生猪价格发生了剧烈波动，生猪相关产业的发展受到了巨大冲击.首先，对河南省2018年9月—2023年3月生猪月度价格波动特征进行探究，定性分析选取影响生猪价格的8个因素；其次，建立多元线性回归模... 详细信息

近年来受非洲猪瘟及新冠肺炎疫情影响，生猪价格发生了剧烈波动，生猪相关产业的发展受到了巨大冲击.首先，对河南省2018年9月—2023年3月生猪月度价格波动特征进行探究，定性分析选取影响生猪价格的8个因素；其次，建立多元线性回归模型，对8个主要因素展开分析，得出影响生猪价格最主要的因素是仔猪、鸡肉、小麦麸和育肥猪配合饲料价格；第三，构建VAR模型实证分析4个主要因素对河南省生猪价格波动的影响程度.结果表明，影响生猪价格最主要的两大因素是仔猪价格和鸡肉价格，小麦麸和育肥猪配合饲料价格次之.最后，结合研究结论与现实情况，给出稳定生猪价格保持在合理范围的相关建议.

关键词：生猪价格因素分析多元回归分析 VAR模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的农产品期货价格预测研究

河南科学 2024年第3期42卷 430-439页

作者：刘彦虹刘合兵尚俊平河南农业大学信息与管理科学学院郑州450046

提高农产品期货价格的预测能力可为投资者的投资交易和政府宏观调控提供一定借鉴.在对LSTM、GRU、BiLSTM三种深度学习模型进行对比研究的基础上,通过添加随机种子稳定预测结果、使用一阶差分降低价格预测滞后性、用正则化、回调函数等... 详细信息

提高农产品期货价格的预测能力可为投资者的投资交易和政府宏观调控提供一定借鉴.在对LSTM、GRU、BiLSTM三种深度学习模型进行对比研究的基础上,通过添加随机种子稳定预测结果、使用一阶差分降低价格预测滞后性、用正则化、回调函数等方法解决过拟合问题,对LSTM模型进行优化.利用大连商品交易所农产品期货数据,将优化后的模型应用于玉米、黄大豆1号、鸡蛋三种农产品期货的价格预测.预测结果评价指标表明,优化LSTM模型的均方根误差为17.04,平均绝对误差为13.94,误差分别降低了38.6%和33.6%.优化的深度学习模型能够用于预测农产品期货价格,为投资交易提供借鉴.

关键词：深度学习神经网络非线性预测时序数据长短期记忆网络

基于深度字词融合的小麦种质信息实体关系联合抽取

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2024年第4期45卷 1079-1086页

作者：刘合兵贾笑笑时雷熊蜀峰马新明席磊河南农业大学信息与管理科学学院河南郑州450046 河南农业大学河南省农田环境监测与控制工程实验室河南郑州450002

为获得结构化的小麦品种表型和遗传描述,针对非结构化小麦种质数据中存在的实体边界模糊以及关系重叠问题,提出一种基于深度字词融合的小麦种质信息实体关系联合抽取模型WGIE-DCWF(wheat germplasm information extraction model based ... 详细信息

为获得结构化的小麦品种表型和遗传描述,针对非结构化小麦种质数据中存在的实体边界模糊以及关系重叠问题,提出一种基于深度字词融合的小麦种质信息实体关系联合抽取模型WGIE-DCWF(wheat germplasm information extraction model based on deep character and word fusion)。模型编码层通过深度字词融合和上下文语义特征融合,提高密集实体特征识别能力;模型三元组抽取层建立层叠指针网络,提高重叠关系的提取能力。在小麦种质数据集和公开数据集上的一系列对比实验结果表明,WGIE-DCWF模型能够有效提高小麦种质数据实体关系联合抽取效果,同时拥有较好的泛化性,可以为小麦种质信息知识库构建提供技术支撑。

关键词：小麦种质信息字词融合实体关系抽取联合抽取层叠指针网络实体识别关系抽取

基于融合影响因素PSO-Prophet模型的农产品价格预测

在线全文

学校读者我要写书评

暂无评论

湖北农业科学 2024年第1期63卷 185-189页

作者：刘合兵王一飞王垒席磊尚俊平河南农业大学信息与管理科学学院郑州450046

为了提高价格预测的准确度,在Prophet模型中融入了消费者物价指数(CPI)和经济政策不确定性指数(EPU)等影响因素,并使用粒子群算法优化参数。利用国际大蒜贸易网中的日价格数据,将该方法应用于山东省大蒜的价格预测。结果表明,融合影响... 详细信息

为了提高价格预测的准确度,在Prophet模型中融入了消费者物价指数(CPI)和经济政策不确定性指数(EPU)等影响因素,并使用粒子群算法优化参数。利用国际大蒜贸易网中的日价格数据,将该方法应用于山东省大蒜的价格预测。结果表明,融合影响因素的PSO-Prophet模型大蒜价格预测结果的平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和均方根误差(RMSE)比Prophet模型分别降低了82.88%、82.86%和77.49%。融合影响因素的PSO-Prophet模型可以有效提高预测精度。

关键词：价格预测融合影响因素 Prophet模型 PSO-Prophet模型农产品

基于EMD-PSO-ARIMA模型的农产品价格预测

在线全文

学校读者我要写书评

暂无评论

湖北农业科学 2024年

作者：尚俊平李文浩席磊刘合兵河南农业大学信息与管理科学学院河南农业大学信息与管理科学学院

针对农产品价格数据的非线性特点，提出基于EMD-PSO-ARIMA模型的农产品价格预测模型。首先利用EMD算法消除价格数据的不平稳性，其次应用PSO算法优化ARIMA模型的滞后参数，并对原始数据分解后的序列进行预测，最后对多个预测值进行累加... 详细信息

针对农产品价格数据的非线性特点，提出基于EMD-PSO-ARIMA模型的农产品价格预测模型。首先利用EMD算法消除价格数据的不平稳性，其次应用PSO算法优化ARIMA模型的滞后参数，并对原始数据分解后的序列进行预测，最后对多个预测值进行累加得到最终结果。以河南省某农贸市场2004年1月至2021年12月鳞茎类作物（以大蒜为例）、根茎类作物（以土豆为例）及叶菜类作物（以白菜为例）的价格数据为研究对象进行实证研究。对大蒜、土豆、白菜价格进行预测，EMD-PSO-ARIMA模型的RMSE为0.029 5、0.016 8、0.066 9,MAE为0.027 4、0.018 9、0.059 8,MAPE分别为0.32%、0.64%、2.54%；与ARIAM、PSO-ARIMA、EMD-ARIMA模型相比，EMD-PSO-ARIMA模型的3个评价指标均有不同程度的降低，模型预测精度最高。EMD-PSO-ARIMA模型能够有效对3种农产品的价格做出精准预测，在一定程度上提高了模型预测性能，能够为农业生产者、经营者、政府提供决策支持，维护农业市场的稳定。

关键词： EMD-PSO-ARIMA模型农产品价格预测

基于MobileNetV2和迁移学习的玉米病害识别研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

河南农业大学学报 2022年第6期56卷 1041-1051页

作者：刘合兵鲁笛席磊河南农业大学信息与管理科学学院河南郑州450046 河南经贸职业学院河南郑州450046

【目的】解决玉米叶部病害识别效率低、精度低的问题,探究新的玉米病害识别方法。【方法】将卷积神经网络MobileNetV2和迁移学习相结合,分别采用迁移学习中特征提取、全部迁移和微调3种训练方式获得3种模型,并与全新训练的MobileNetV2... 详细信息

【目的】解决玉米叶部病害识别效率低、精度低的问题,探究新的玉米病害识别方法。【方法】将卷积神经网络MobileNetV2和迁移学习相结合,分别采用迁移学习中特征提取、全部迁移和微调3种训练方式获得3种模型,并与全新训练的MobileNetV2模型进行对比。【结果】微调模型经历较少的epoch便可取得较好的识别效果,模型准确率达99.25%,比全新训练的MobileNetV2模型提高了3.09%。在上述研究基础上,设计并实现了基于移动端的玉米病害识别系统,玉米叶部病害的平均识别准确率为84%,用时仅为1.16 s。【结论】本研究提出的玉米病害识别方法能更好应用于日常检测玉米病害,为相关病害防治提供参考。

关键词：玉米病害卷积神经网络迁移学习 MobileNetV2 识别系统

融合ALBERT与规则的小麦病虫害命名实体识别

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2023年第6期17卷 1395-1404页

作者：刘合兵张德梦熊蜀峰马新明席磊河南农业大学信息与管理科学学院郑州450046 农田监测与控制河南省工程实验室郑州450002

小麦病虫害中文命名实体识别是构建该领域知识图谱的关键步骤,针对小麦病虫害领域训练数据匮乏、实体结构复杂、实体类型多样及实体分布不均匀等问题,在充分挖掘隐含知识的前提下,采用了两种数据增广方法扩充句子语义信息,构建了小麦病... 详细信息

小麦病虫害中文命名实体识别是构建该领域知识图谱的关键步骤,针对小麦病虫害领域训练数据匮乏、实体结构复杂、实体类型多样及实体分布不均匀等问题,在充分挖掘隐含知识的前提下,采用了两种数据增广方法扩充句子语义信息,构建了小麦病虫害实体识别语料库WpdCNER及其领域词典WpdDict,并在领域专家的指导下定义了16类实体;同时提出了一种基于规则修正的中文命名实体识别模型WPD-RA,该模型基于轻量级BERT+双向长短期记忆网络+条件随机场(ALBERT+BiLSTM+CRF)进行实体识别,并在识别后定义具体规则校准实体边界。融合规则后的ALBERT+BiLSTM+CRF模型取得了最好的识别结果,准确率为94.72%,召回率为95.23%,[F1]值为94.97%,相比不加规则的识别结果,其准确率、召回率、[F1]值分别增加了1.71个百分点、0.34个百分点、1.03个百分点。实验结果表明,该方法能有效识别小麦病虫害领域命名实体,识别性能优于其他模型,为食品安全、生物等其他领域命名实体识别提供了一种可借鉴的思路。

关键词：小麦病虫害数据增广命名实体识别(NER) ALBERT 规则修正

基于PSO-SVR模型的河南省小麦产量预测方法

在线全文

学校读者我要写书评

暂无评论

江苏农业科学 2023年第8期51卷 157-163页

作者：刘合兵王垒王一飞席磊河南农业大学信息与管理科学学院河南郑州450046 农田环境监测与控制河南省工程实验室河南郑州450046

小麦生产是河南省农业生产中的重要环节,在维持粮食供应和安全方面发挥着重要作用。对小麦产量进行准确预测可以为农业经济调控、政策制定提供重要性信息。为提高小麦产量预测精度,综合考虑影响小麦产量的相关因素,基于皮尔逊相关系数... 详细信息

小麦生产是河南省农业生产中的重要环节,在维持粮食供应和安全方面发挥着重要作用。对小麦产量进行准确预测可以为农业经济调控、政策制定提供重要性信息。为提高小麦产量预测精度,综合考虑影响小麦产量的相关因素,基于皮尔逊相关系数分析特征变量与产量之间的相关性。选取支持向量回归(support vector regression, SVR)模型解决小麦估产中的复杂性、非线性及小样本等问题。引入粒子群算法(particle swarm optimization, PSO)对SVR模型的惩罚因子(c)和核参数(g)进行优化,提高SVR模型的预测精度。以河南省1978—2019年小麦产量数据及其特征变量数据构建数据集,并与BP、Elman等神经网络模型及优化模型进行对比仿真试验。结果表明,PSO对SVR模型的优化效果明显高于传统的神经网络,PSO-SVR模型预测结果的4项评价指标均优于其他模型。其中,PSO-SVR模型的平均绝对百分比误差MAPE为0.87%,与SVR模型相比误差降低了57.4%、与PSO-BP模型相比误差降低了64.8%。PSO-SVR模型能够提高小麦产量预测精度,稳定性好,可为小麦产量预测提供新的思路与方法,具有较好的应用推广价值。

关键词：小麦产量预测粒子群算法 SVR BP Elman