来源：期刊VIP网 时间：
作者：吴展;王春晓;
单位：上海海洋大学经济管理学院;
摘要：准确预测棉粕价格对于稳定畜产品供给、促进饲料加工业可持续发展以及保障国家粮食安全至关重要。研究旨在基于长短期记忆神经网络（LSTM）的深度学习机制，构建棉粕价格预测模型。首先利用差分自回归移动平均（ARIMA）模型预测时间序列数据中线性变化，并应用LSTM算法估计棉粕价格序列的非线性效应。运用集成学习极限梯度提升（XGBoost）算法来确定残差序列滞后长度作为LSTM模型中的输入节点。最后，将拟合的线性和非线性变化之和作为ARIMA-LSTM组合模型的最终预测值。研究表明，基于XGBoost的ARIMA-LSTM混合模型优于单一的ARIMA时间序列预测模型，具有良好的预测性能。
关键词：深度学习;;棉粕价格预测;;集成学习;;ARIMA模型;;XGBoost算法
基金资助：国家现代农业产业技术体系（项目编号：CARS-47）
