摘要：为提高林业产品销售价格预测的准确性,提出了基于ARIMA和LSTM混合模型的林业产品销售价格预测系统。系统设计分析和数据库设计确保了系统整体性能。通过对历史数据的预处理,提高了数据质量。利用ARIMA模型和LSTM残差预测进行价格预测,并将两者融合以得到最终预测结果。实验结果显示,该系统的预测误差控制在3以下,具有更高的准确性和较强的可靠性,可为产品价格波动的预测提供参考。

摘要：文中针对庞杂的农产品市场价格信息,设计了基于指数平滑的农产品价格大数据平台,通过构建Hadoop、Hive和Spark大数据框架,在Spark-SQL内完成了农产品价格信息的数据清洗工作;并利用改进的指数平滑法模型,实现了农产品价格预测功能;借助SpringMVC、Ajax、Echarts等技术实现了农产品价格数据统计、分析、预测等功能的图形化显示。数据平台的应用在帮助用户直观准确地获取农产品价格信息、分析农产品价格发展趋势、预判农产品的市场前景、规划农业种植等方面均具有较为重要的参考价值和现实意义。

摘要：针对概念设计阶段干线客机相关信息难以获取的特点,利用整机价格与性能参数的相关性和利用灰关联分析筛选出了影响飞机价格的关键性能参数;通过确定排序基准序列,建立了基于特征序列内部空穴点预测的I-GM(0,N)模型.在案例分析中利用该模型对我国X型新研干线客机的目录价格进行预测,并对各现役干线客机的目录价格进行模拟.误差分析和精度检验证明模型的模拟结果较好,并可以预见模型对我国X型客机的目录价格能够进行较为准确的预测,是一种概念设计阶段较为实用的干线客机价格预测方法.

摘要：【目的/意义】针对多组时间序列的海量数据集和以预测为目标的信息分析方法,提出了基于数据挖掘技术的预测模型,在大数据环境下,提高了预测精度,以期在其他领域的信息分析和情报预测能有所借鉴。【方法/过程】以集装箱海运价格预测为例,提出集装箱海运价格预测模型,设计自适应的网格搜索策略,高效准确地确定数据挖掘算法中的超参数组合,提出基于时间序列留出法的评估方法,降低了集装箱运价这种多组时间序列数据集在数据挖掘结果上的泛化误差,针对海量运价信息,对GBDT算法进行并行计算设计和预排序后的损失函数迭代计算优化策略,提高了算法在大数据环境下的计算效率。【结果/结论】模型和算法运行结果仿真显示:对于传统的时间序列问题,基于数据挖掘方法的预测模型取得了比传统时间序列方法更优的结果。

摘要：本文在分析了神经网络、灰系统和时间序列预测模型的基础上,设计了将其中两种模型组合的预测方法。该方法的主要思想是利用回归预测思想将预测分为因素预测和结果预测两部分,并分别采用不同预测模型进行预测,从而达到提高预测精度的目的。利用该方法对吉林省近期的生猪价格进行预测,实验结果表明,该方法比单个预测方法有更好的预测效果,并且通过对不同组合的实验结果的分析发现,灰系统与神经网络相结合的方法具有更高的预测精度。

摘要：分别以筛选的4种技术指标和6个宏观经济指标作为国债期货指数预测变量,利用随机森林算法构建4种机器学习预测模型;依据价格波动集聚性设计跟踪交易规则,通过比较4种模型的预测精度和跟踪交易收益率,检验宏观经济指标、技术指标和随机森林算法对国债期货指数的预测能力。研究结果发现:用主成分精选技术指标构建的预测模型,对国债期货指数的跟踪交易收益率虽然明显优于市场收益率,但不如遵循单个技术指标经验交易规则的跟踪交易收益率;用主成分精选技术指标和宏观经济指标构建的模型能够取得很好的预测精度和跟踪交易收益率,这表明宏观经济指标与技术指标都对国债期货价格具有预测意义,可以利用随机森林机器学习算法构建有效的国债期货量化投资模型。

摘要：利用线性回归预测方法,建立蚕茧价格预测模型。分三步设计:首先,建立反映生产技术水平的单位发种量的产茧水平的预测模型;其次,在生产技术水平预测的基础上,结合桑园种植面积,建立年产茧总量的预测模型;最后,在年产茧量预测的前提下,建立蚕茧价格预测模型,并利用所建立的模型来预测未来的蚕茧价格走势。

摘要：蔬菜是人们日常生活的必需品。受供应链中多环节及多因素影响,蔬菜价格呈现非线性、非稳态波动,准确预测蔬菜价格对保障供应链各主体利益及促进供应链可持续发展具有重要意义。本文基于供应链视角,分析蔬菜价格影响因素及其对预测结果的影响,构建Spearman-KPCA-LSTM组合模型,提出从影响因素“渐进式”提取有效特征的新型预测方法,并以白菜价格序列为例,对影响因素在不同提取模式下构建的多个预测模型进行对比分析。结果表明:本文所构建模型可有效提取蔬菜价格影响因素的特征信息,预测效果最好。依据经结果溯源得出的因素影响等级,提出蔬菜供应链应加强生产保供能力、供需协调及流通能力、政府科学治理及综合服务能力,实现供应链及价格稳态化。

摘要：目前在对中国期货市场进行价格预测时,采用神经网络预测时多用的是BP神经网络,但是BP神经网络存在对初始权阈值敏感、易陷入局部极值和收敛速度慢的问题。因此,为了提高模型效率,提出采用PSO-BP模型预测期货价格。首先运用粒子群算法代替BP神经网络的初始寻优,再用BP算法对优化的网络权阈值进一步精确优化,随后建立了基于粒子群算法的BP神经网络预测模型,并将其应用到中国期货市场的期货价格预测研究中。仿真结果表明,新模型结合了粒子群算法的全局寻优能力和BP神经网络算法的局部搜索优势,有效的防止了网络陷入局部极小值的可能,提高了神经网络模型预测的速度和准确性。

摘要：大型客机作为一种昂贵的商品,其价格是非常重要的信息,定价合理与否直接关系到市场前景和商业成功。目录价格是大型客机售价的基础,直接影响客户购买意愿以及后续合同谈判。以波音公司和空客公司的主力干线飞机为样本,基于最小二乘回归法(Ordinary Least Squares Regression,OLSR)建立了大型客机目录价格预测模型,模型对价格的解释能力好,预测误差小,为大型客机的目录价格制定提供了相关的理论依据。