基于农产品价格预测BP神经网络预测模型的建立

文/黄余 陈挺，宜宾职业技术学院

随着BP神经网络的出现，系统控制和预测等方面的数据更加精确，作为模拟人脑信息处理方法的非线性系统，BP神经网络自学能力、适应能力和组织非常强，为模型建立识别提供很好的依据。结合目前宜宾农产品价格的变化，运用BP神经网络来预测其食品价格的实测值，加快建立农产品价格的模型，及时进行农产品价格预测和预警。

1 宜宾农产品价格变动的特点

宜宾的农产品价格变化有一定的规律，可以结合其椪柑价格变动进行探讨。现下市场上柑橘的货量不大，沃柑、茂谷柑、马水桔、椪柑等有一部分来自客商早期的库存货。近些年来，椪柑的行情上扬，规格偏大的可能卖2.4元/斤，其涨幅在0.2元/斤左右。春节前后，椪柑价格会在去年价格的基础上有所上升。与去年相比，今年椪柑的减产幅度小，10月以前上市的柑橘类型是增产。因为椪柑相对耐贮藏，而春节前后上市的沙糖橘等晚熟宽皮橘会减产，所以春节前后其价格会有所上扬。在宜宾可以通过留树保鲜的方法延迟椪柑的成熟，保证在到节前后采收销售，这样其价格比较高，经济效益更好。因为受到年初以来的“沙糖桔”风波的影响，整个柑橘市场有很大变化，今年4月份中晚熟柑橘市场柑橘价格明显回落，晚熟柑橘价格涨跌不一。随着过去十年种植面积的增加，宜宾新兴的果园产出预计会稳步上升，椪柑价格会持续增长。

2 基于农产品价格预测BP神经网络预测模型的建立

2.1 BP神经网络模型

作为一种具有三层及以上阶层结构的神经网络，BP神经网络中若干个神经元（节点）构成了各个阶层，其权连接通过层间的神经元实现，即下层的每一个单元与上层的每个单元，不同阶层各神经元之间不连接，输入值、作用函数和阈值决定了每个节点的输出值。根据“类似输入产生类似输出”的相近原则，网络工作阶段输入有待测试的样本，可以通过计算输出结果，BP神经网络可以对样本神经网络学习后的实际输出误差进行比较，并对权值和阈值进行调整，达到其指定精度，尽可能降低误差。

2.2 构建BP神经网络的农产品价格预测模型

2.2.1 构建农产品价格风险预警模型。连接方式、网络层次和各层节点数组成了农产品价格风险预警模型的网络结构，即网络的拓扑结构，所以必须要确定其输入节点数、输出节点数和隐层节点数。基于BP神经网络构建农产品价格预测模型，在其网络输入中要对供给、需求和政策与环境等农产品价格风险的警兆指标进行全面描述。而输出节点个数的确定要结合其评价结果进行，如果发现农产品价格预警中的假定输出为[1]，此时有正向高度风险，正向一般风险为[0.5]，[0]表示无风险，反之负向一般风险表现为[-0.5]，[-1]为负向高度风险，输出节点个数为1，确定输出节点的个数必须结合评价需要和具体情况进行。作为一个比较复杂的问题，隐层节点数的确定没有具体的法则，输入输出单元的多少会对其产生影响，可以通过K=（n+m）/2+a（其中m表示输出节点数，n表示输入节点数，a表示1-10之间的整数）来确定。

2.2.2 农产品价格风险预警模型训练。建立农产品输入数据预处理模型，需要做好对象与网络模型接口的研究，通常输入样本的预处理会通过加权平均函数化为[-1，1]区间上的值。加权平均函数化要通过公式Pi=2（Ii-Imin）/（Imax-Imin）计算，Pi表示预处理后的样本，Ii为输入样本值，Imax表示输入样本中的最大值，Imin为输入样本中的最小值。对于得到了农产品价格输入后进行预处理，训练样本可以选择其中的一部分输入数据，以剩余的数据作为检测样本[3]。接下来就要进行预警模型训练，将训练样本输入，根据期望输出和实际输出误差平方和的最小化规则进行模型系统的学习，及时进行权值矩阵和阈值向量的调整。如果发现期望输出和实际输出误差已经在要求范围内，此时系统就要停止学习，固定权值矩阵与阈值向量，存储为系统内部知识。

2.2.3 农产品价格风险预警识别

通过之前得到的权值矩阵和阈值向量，就初步建立了农产品价格风险预警BP神经网络模型，在识别新数据时就可以运用这一模型。因此，在输出预测的农产品价格时，要运用综合预的警信号输出系统，通过对系统输入的指标体系对应的无量纲数据，结合建立的BP神经网络预警模型对农产品价格进行综合分析和评价。这样就可以根据对农产品整体供求运行状况的综合评价，就可以准确及时地输出结果，并及时发出警报信号。农产品价格BP神经网络预警模型中存储着大量的样本数据，所以其可以通过其中海量的信息结合指标数据进行综合判断，并就农产品的价格给出风险等级，并及时发出警报。

3 结语

在人们的日常生活中，农产品占据着重要的地位，所以对农产品进行价格预测很有必要，要注重进行农产品价格风险的预警。在宜宾农产品价格市场中，其价格上涨有一定的规律，基于BP神经网络可以有效的预测农产品的价格变化。因此，要运用BP神经网络来分析农产品价格变化，结合其数据进行分析对比，建立农产品价格预测模型，做好农产品价格预警，发挥BP神经网络的作用，最终做好农产品的价格预测，为人们的生产生活提供有效的指导。

[1]叶露，李玉萍，秦小立等.基于PSO-BP与RBF神经网络的蔬菜价格组合预测[J].北方园艺，2015，39（21）：212-215.

[2]姚冠新，徐静，周正嵩等.基于BP神经网络的我国蔬菜供需预测及对策研究[J].吉林师范大学学报（自然科学版），2015（2）：4-9.