基于多维度综合决策的猪肉价格时间序列预测模型

摘要

山东省是畜牧业大省，猪肉价格波动对居民生活质量有着重大影响，目前，关于山东省生猪价格波动的预测研究较少，且存在预测时间较短，时间窗口狭窄和预测结果不准确等问题。针对传统预测模型存在长时序预测准确率不足的问题，本文提出了一种基于综合决策机制的时间序列预测模型。首先，将时间序列信息进行分解，通过可逆归一化将数据特征进行放大，以提取更多的价格波动信息；在信息分解的基础上，通过上采样扩充先验知识，并采用多维度综合决策的方式，增强多层感知机的数据特征挖掘能力和决策能力；最后，将先验知识与预测结果进行直接映射，解决了窗口狭窄和滑动窗口迭代预测导致的误差累积问题。试验结果表明，相较于ARIMA、ProphetBP、GA-BP、VMD-LSTM和STL-Informer模型，本文算法在RMSE（Root mean square error）和MAE（Mean absolute error）指标上平均提升了50.2%和30.9%，在R²（Coefficient of Determination）指标上的稳定性优于上述对比算法，平均提升了60.2%。本文所提出的算法对于山东省生猪市场的预测性能更优，有助于相关部门对生猪价格波动做出科学决策。

关键词

猪肉价格 / 时间序列预测 / 趋势分解 / 上采样 / 多维度决策