基于重量分配智能组合模型的海洋鱼类价格预测
Daqing Wu1,2, Binfeng Lu1, Zinuo Xu3
1College of Economics and Management, Shanghai Ocean University, Shanghai 201306, China.
Foods (Basel, Switzerland)
|April 27, 2024
概括
准确的海洋鱼类价格预测对于渔业来说至关重要. 使用分解和机器学习方法的智能组合模型显著提高了预测准确性和稳定性.
科学领域:
- 渔业 科学 渔业 科学
- 计量经济学 计量经济学 计量经济学
- 人工智能的人工智能
背景情况:
- 海洋鱼类市场表现出复杂性和不确定性,挑战了传统的价格预测.
- 准确的价格预测对于社会经济发展和渔业行业至关重要.
- 现有的预测方法与海洋鱼类市场波动性作斗争.
研究的目的:
- 通过智能组合模型提高海洋鱼类价格预测的准确性.
- 解决波动性市场中传统预测方法的局限性.
- 开发一个可靠的模型来预测海洋鱼类价格.
主要方法:
- 价格序列的分解使用经验波形变换,单一光谱分析和变化模式分解.
- 使用双向长期短期记忆 (BiLSTM),极端学习机器 (ELM) 和指数级平滑,对分解序列进行交叉预测.
- 使用粒子集群优化-追逐者-跟踪者 (PSO-CS) 智能算法进行重量分配和联合预测.
主要成果:
- 智能组合模型与PSO-CS重量分配实现了比单个模型更高的预测准确性.
- 使用Larimichthys crocea每日海上购买价格数据进行的实证分析表明其表现优越.
- 该模型在预测海洋鱼类价格方面显示出更高的稳定性.
结论:
- 智能组合模型与重量分配改善了海洋鱼类价格预测的准确性和稳定性.
- 开发的模型有效地适应市场变化和价格波动.
- 这种方法为渔业行业的预测带来了重大进步.
