基于STL-Informer-ARIMA组合模型的猪肉价格预测方法研究

摘要

合理预测猪肉价格对稳定生猪市场价格波动及促进猪产业的健康持续发展具有重要意义。本文深入研究了猪肉价格的影响因素，整合了29种相关价格数据。通过分析数据特征，针对Informer模型在猪肉价格数据提取方面的局限性，对Informer模型进行改进，将自注意力机制ProbAttention更换为Synthesizer模型，引入了价格波动模块。在此基础上，本文提出了一种新的价格预测组合模型STL-Informer-ARIMA，模型结合了随机森林（Random Forest）和递归特征消除（Recursive Feature Elimination）进行特征选择，利用季节性和趋势分解法（Seasonal and Trend Decomposition Using Loess）对猪肉（白条猪）价格进行分解，采用ARIMA模型对季节项进行预测，同时针对趋势项和残差项采用改进的Informer模型进行预测。实验表明，STL-Informer-ARIMA组合模型的MSE为0.532,MAE为0.446,RMSE为0.729,MAPE为0.030,R²为0.958，相较于LSTM、SVR和GRU等常用价格预测模型，本文的组合模型有效提升了猪肉价格预测的准确性和可靠性。

关键词

猪肉 / 价格 / 特征选择 / 改进的Informer / 组合模型