牛奶产量的预测
——基于支持向量回归集成计算

蓝镓宝

(五邑大学经济管理学院，广东 江门 529020)

1 文献回顾

影响牛奶产量的因素较多，主要有：饲料成本、国内牛奶价格、进口奶源价格等。牛奶产量对牛奶价格、饲养成本、防疫成本等相关因素的变化较为敏感。唐洪峰等人基于VAR模型，得出牛奶的饲养成本对牛奶产量起到约束作用的这一结论[1]；张南等人认为牛群中疾病的发生率会影响牛奶产量[2]；刘长全等人则从进口角度分析，认为牛奶的进口量会对我国的牛奶产量产生影响[3]；Mapato Chaowarit等人实验得出，特定食物如Sweet grass(SG)能够改善奶牛的瘤胃发酵，提高产奶量[4]。

综上研究成果，现有的分析预测牛奶产量的方法并没有考虑到乳业销量波动加大且数据较少的行业特点。故本文利用支持向量回归(SVR)集成计算这一方法，以减小噪声，提高预测的精确度。

2 模型介绍

李鹏飞和张瑞认为，SVR是可把非线性样本模型转换成线性样本模型的回归工具[5]。SVR的主要原理是通过一个非线性变换x→φ(x)，将训练样本映射到高维空间，在高维空间通过核函数φ(x)实现线性变换。SVR在拟合模型时，允许模型有一定的预测误差，能够更好地贴合经济方面的预测。

Bagging集成算法是通过对原始样本数据进行有放回的随机采样，使每个分类器之间的样本数据不同的非线性系统的主流建模方法。Bagging集成个体之间相互独立，可以并行运算，大大提高了检测效率，具有更加广阔的应用前景。

3 指标构建

3.1 国内牛奶价格

根据供求理论，商品的价格会影响其供给。……