ARIMA模型在農產品價格預測中的應用

《ARIMA模型在農產品價格預測中的應用》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。

1、2382009，45（25）ComputerEngineeringandApplications計算機工程與應用ARIMA模型在農產品價格預測中的應用劉峰1，2，王儒敬1，李傳席1，21，2，WANGRu-jing1，LIChuan-xi1，2LIUFeng1.中國科學院合肥智能機械研究所，合肥2300312.中國科學技術大學自動化系，合肥2300271.InstituteofIntelligentMachines，ChineseAcademyofSciences，Hefei230031，China2.DepartmentofAutomation，Univer

2、sityofScienceandTechnologyofChina，Hefei230027，ChinaE-mail：fengl@mail.ustc.edu.cnLIUFeng，WANGRu-jing，LIChuan-xi.ApplicationofARIMAmodelinforecastingagriculturalproductprice.ComputerEngineeringandApplications，2009，45（25）：238-239.Abstract：Theforecastoffuturevaluesofatimeseriesbasedonth

3、ecurrentandpastvaluesofthepricesofagriculturalprod－uctsishelpfultoguideagriculturalproductscirculationandproduction，balancethesupplyanddemandindifferentregionsandprovidethebasisforagriculturalrestructuringbythegovernmentandfarmers.Toaddressthisimportantissue，thispaperintro－ducesthen

4、on-stationarytimeseriesmodelARIMA（p，d，q）builtonmonthlypricesofcabbageandattemptstoforecastthepriceinthecomingmonths.TheresultprovesthatARIMA（0，1，1）cancorrectlysimulateandforecastthepricetrendofcabbage，pro－vidinganimportantmethodfortheaccurateforecastofagriculturalproductmarketinform

5、ation.Keywords：pricesofagriculturalproducts；timeseries；AutoregressiveIntegratedMovingAverageModel（ARIMA）；pricetrend摘要：利用農產品價格時間序列的當前值和過去值準確預報未來值，將有利于正確引導農產品流通和農業(yè)生產，實現(xiàn)農產品區(qū)域供求平衡，并為政府和農戶提供結構調整的依據。針對農產品價格這一重要問題，以白菜月價格數據為例，構建非平穩(wěn)時間序列ARIMA（p，d，q）模型并預測白菜未來的月價格。結果表明ARIMA（0，1，1）模型能很好地模擬并預測白菜月

6、價格趨勢，為農產品市場信息的準確預測提供重要方法。關鍵詞：農產品價格；時間序列；自回歸移動平均模型；價格趨勢DOI：10.3778/j.issn.1002-8331.2009.25.073文章編號：1002－8331（2009）25-0238-02文獻標識碼：A中圖分類號：TP3111引言2ARIMA模型的基本思想及數學模型農產品價格數據對于指導農產品生產以及調整農業(yè)結構ARIMA模型的基本思想是：將預測對象隨時間推移而形具有重要意義。從而使用農產品的歷史價格數據對未來價格趨成的數據序列視為一個隨機序列，用一定的數學模型來近似描勢進行有效的預測顯得尤為重要。一

7、般常用的有時間序列預測述這個序列。這個模型一旦被識別后就可以從時間序列的過去和回歸預測法，時間序列預測法一面承認事物發(fā)展的延續(xù)性，值及現(xiàn)在值來預測未來值?，F(xiàn)代統(tǒng)計方法、計量經濟模型在某另一方面又充分考慮到事物發(fā)展偶然因素的影響產生的隨機種程度上已經能夠幫助企業(yè)對未來進行預測。性，為了消除隨機波動的影響，利用歷史數據，進行統(tǒng)計分析，數學模型：指定3個參數p、d、q用來分析時間序列，即描并用加權平均等方法對數據加以適當的處理，進行趨勢預測。述自回歸階數p、差分次數d和移動平均階數q，通常記為該文將要采用ARIMA模型[1]來預測農產品價格時間序列。ARIMA（p，

8、d，q），表示為：ARIMA模型全稱為