基于机器学习的农产品销量区间预测

赵亚亚 张泽人 代永富

摘要：时值实施乡村振兴战略的关键时期，农村电商发展出现高峰，为加强其供应链体系建设，对农产品进行销量预测。针对影响销量的未知因素和干扰项众多的问题，提出基于K-means聚类的偏二叉树SVM销量区间预测模型。用BP神经网络时间序列对陕西大枣价格进行预测，根据质量、价格、时间三个因素，利用聚类算法对样本划分类别，偏二叉树SVM进行分类，将销量预测在聚类区间内。实验结果表明，该模型有着极高的预测精度，可用于农产品销量预测。

关键词：机器学习;时间序列预测模型;BP神经网络;K均值法聚类;偏二叉树svM

中图分类号：TP181 文献标识码：A 文章编号：1006-8228（2020）07-22-04

0引言

当前是实现乡村振兴战略的关键时期，农村电商是一个有力的破局之道，帮助农村电商预测未来农村产业发展方向，使农民及时调整生产方案，实现精准产销，助力国家全面脱贫。因此，预测各种农产品的销量显得尤为重要。

目前国内对农产品销量预测的研究方法众多，如人工神经网络模型、回归分析、时间序列分析模型和支持向量机模型。这些方法在不同的方面取得了较好的效果，但仍存在局限性。人工神经网络法易造成过拟合态，且可能与实践情况偏离较大，陷入局部最优解。回归分析法其拟合效果與数据量密切相关，对数据不全的农产品预测并不理想。时间序列分析法可能会因为农产品销量因素多而导致其计算结果的可信度较差。支持向量机法对数据量过大的情况，计算机的求解能力将会减弱。……