基于改进LSTM模型的农产品短期价格预测方法

张保国 任万明 吴兵

(1山东麦港数据系统有限公司山东济南250100;2山东省现代农业农村发展研究中心山东济南250100;3济南市农业农村信息中心山东济南250100)

农业是国民经济的基础，农产品市场是我国市场经济的重要组成部分，农产品价格的波动直接关系农民切身利益乃至国民生活质量。农产品短期价格受自然灾害、重大疫情等的影响，农产品短期价格呈现波动大、非平稳、非线性的特点，这对农民的收入和农产品市场的稳健发展等产生不利的影响。因此，对农产品短期价格进行预测，帮助政府做出相关决策实施宏观调控、对农业从业者进行指导、维持农产品市场的稳健具有重要作用。

根据原理不同，农产品短期价格预测可以分为2种：定性预测方法和定量预测方法［1］。定量预测方法是农产品短期价格预测领域的主流方法，又可以分为传统方法和智能方法两大类。传统方法主要指计量经济方法，其中比较流行的有差分整合移动平均自回归（Autoregressive Integrated Moving Average，ARIMA）模型［2-3］、自回归条件异 方 差（Autoregressive Conditional Heteroscedasticity，ARCH）模型［4-5］、线性回归等。经济计量模型普遍对非线性数据预测具有局限性，对数据使用有太多限制。智能方法中比较普遍使用的有人工神经网络［6-8］、遗传算法［7］等。目前，在农产品短期价格预测方面，遗传算法主要是与其他预测方法组成混合模型来使用，但是遗传算法中参数的选择主要是靠经验来选择，而参数的人为选择很容易对预测结果造成不利影响。

总体来看，农产品价格的影响因素大概可以分为2种：内部因素和外部因素。……