来源：期刊VIP网 时间：
作者：尚俊平;李文浩;席磊;刘合兵;
单位：河南农业大学信息与管理科学学院;
摘要：【目的】构建一种基于“分解-重构-优化”的农产品价格预测模型，提高预测精度。【方法】首先，对原始数据进行集合经验模态分解（ensember empirical mode decomposition, EEMD），以剔除数据中存在的噪声。其次，运用Fine-to-coarse高低频重构方法将分解序列划分为高频项、低频项与残差项。随后，利用灰狼算法（grey wolf optimizer,GWO）优化后的长短期记忆神经网络（long short-term memory,LSTM）对重构序列进行预测，并将预测值累加得到最终预测结果。【结果】以嘉博环球数据库中的重点农产品价格数据为研究对象，计算结果表明，在滞后时间为5 d时模型效果最优，EEMD-GWO-LSTM对生姜、大蒜、大葱3种农产品价格预测的均方根误差分别为0.327、0.086、0.189，平均绝对误差分别为0.201、0.067、0.161，组合模型预测误差均为最小值。【结论】该组合预测模型融合了各模型的优势，具有较强的泛化能力。
关键词：农产品;;分解;;重构;;优化
基金资助：河南省科技攻关项目(212102110204);; 河南省现代农业产业技术体系(S2010-01-G04);; 河南省研究生教育改革与质量提升工程项目(YJS2023AL046)
