【正文】 ............................................................. 錯誤 !未定義書簽。 BP 神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)的確定 ................................ 錯誤 !未定義書簽。 基于 BP 的生豬價格預(yù)測 ........................... 錯誤 !未定義書簽。 LMBP 算法 .............................................................. 錯誤 !未定義書簽。預(yù)測結(jié)果表明， 20xx~2017 年，我國 生豬價格 分別為 、 、 和 元 /千克。 關(guān)鍵字 :BP 神經(jīng)網(wǎng)絡(luò) ； 南北生豬價格 ； 預(yù)測 2 目錄 摘要 ................................................................................................................... 1 關(guān)鍵字 ............................................................................................................... 1 Abstract .................................................................................. 錯誤 !未定義書簽。 LMBP 網(wǎng)絡(luò)的建立步驟 ............................... 錯誤 !未定義書簽。 基于 SVM 的生豬價格預(yù)測 ....................... 錯誤 !未定義書簽。 BP 神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練與 構(gòu)建 ............................ 錯誤 !未定義書簽。 參考文獻 ................................................................................ 錯誤 !未定義書簽。這種重要性主要體現(xiàn)在：生豬生產(chǎn)者可以預(yù)先安排未來生產(chǎn)計劃，降低生豬價格變動給生產(chǎn)經(jīng)營帶來的風(fēng)險；豬肉加工者可以合理選擇 采購方案，節(jié)約成本；相關(guān)部門可以根據(jù)這個預(yù)測結(jié)果評估豬肉市場的風(fēng)險，從而合理安排市場運營，因此，生豬價格預(yù)測成為了農(nóng)業(yè)經(jīng)濟研究中的重點問題之一。但是由于在實際生產(chǎn)應(yīng)用中這個模型的缺點比較多，這個模型既不符合生產(chǎn)函數(shù)中的投入產(chǎn)出模型，也與供給反應(yīng)函數(shù)的內(nèi)涵大相徑庭 。由于時期、立場和研究深度等的 不同，研究學(xué)者的觀點也產(chǎn)生了一些分歧。日本政府針對不同的農(nóng)產(chǎn)品分別制定了不同的調(diào)控政策。 本文研究的創(chuàng)新點 1)理論與實際相結(jié)合。在 1938 年 Ezekiel最早使用蛛網(wǎng)理論探討生豬周期，用動態(tài)分析方法刻畫了生豬供給量和價格在偏離均衡狀態(tài)以后的實際波動過程及其結(jié)果。李秉龍、何秋紅(20xx)從宏觀角度分析了我國生豬價格短期波動的總體趨勢、特點與波動周期，并解析了我國生豬價格波動的原因。至于定量分析法，則主要是結(jié)合數(shù)量經(jīng)濟學(xué)及系統(tǒng)工程等方面的研究進展，主要有回歸分析法、回歸序列分析法、回歸 時間序列組合法以及人工神經(jīng)網(wǎng)絡(luò)預(yù)測等方法。 近幾年國內(nèi)生豬市場風(fēng)云變幻，“漲 — 跌 — 平”的豬周期不再貼合當(dāng)今市場，“老江湖”們的老經(jīng)驗慢慢偏離軌道，對于后期行情預(yù)判，眾業(yè)者陷入“過一天看一天”局面。 情理之中： 20xx 年生豬養(yǎng)殖收益甚微， 20xx 年以虧損收尾，眾多業(yè)者資金鏈斷裂，中小散戶退出市場，導(dǎo)致 20xx 年 4 月份至今生豬供應(yīng)量減少，豬源緊缺，業(yè)者收購難度大，消費低迷的利空影響弱于往年，豬價得到利好支撐不斷上漲。 南方 生豬 市場價格波動特點及規(guī)律 以四川省為例，作為生產(chǎn)生豬的第一大省的四川，養(yǎng)豬業(yè)是其農(nóng)業(yè)與農(nóng)村經(jīng)濟發(fā)展的重要支柱產(chǎn)業(yè)，農(nóng)民收入與地方財政收入的重要來源就是生豬生產(chǎn)的收益。每年的 1 月份和 12 月份是價格最高主要 集中月份，而生豬價格相對較低的月份分別是一年中的 5 月、 6 月和 7 月份。 ，波幅同比低于全國水平。四個周期波動呈越來越劇烈態(tài)勢。 12 南北生豬 市場價格波動影響因素分析 影響生豬需求方面的因素 大多數(shù)的畜產(chǎn)品一般都易腐爛，不易儲存和長途運輸。 (二 )城市化進程的影響 20%的畜產(chǎn)品消費增長由城市化導(dǎo)致，大批農(nóng)村勞動力進入城市尤其是大中城市，提升了畜產(chǎn)品的需求。在失業(yè)率上升和收入增速下降或者收入下降的預(yù)期下，可以預(yù)見畜產(chǎn)品消費的增長較為困難。豬的人畜共患病，如鏈球菌病，藍耳病等如果預(yù)防和治療的不及時到位，不但會影響生豬的供應(yīng)，并且會影響到人們的 消費心理，減少豬肉的消費，進而影響到 生豬價格的波動。同時豆粕等蛋白原料價格持續(xù)走高，進一步推動飼料價格的上漲，增加了養(yǎng)豬成本。 (五 )生產(chǎn)者價格預(yù)期 生豬養(yǎng)殖戶在進行生產(chǎn)決策時，需要對未來的生豬價格和市場需求進行預(yù)測，因此生產(chǎn)者的預(yù)期價格是影響豬肉供給的重要因素。飼料降價 飼料需求量減少 母 豬 過 剩 肉價上漲 豬肉不足 育肥豬不足 仔 豬 不 足 仔豬漲價 仔豬過剩 飼料漲價 飼料需求量增加 肉價下跌 豬肉過剩 育肥豬過剩 母 豬 不 足 仔豬降價 16 由于生豬價格波動周期跟生產(chǎn)波動周期一致，所以政策基本著力點主要在生產(chǎn)波動的調(diào)控。到目前為止，神經(jīng)網(wǎng)絡(luò)的研究主要分為兩個派別：一類主要是包括生物學(xué)家、物理學(xué)家和心理學(xué)家等，他們研究的主要目的是給出大腦活動的描述和精細模型；另一類主要包括工程技術(shù)人員等等，他們所關(guān)注的更是怎樣利用神經(jīng)網(wǎng)絡(luò)的基本原理，去構(gòu)造可以解決 生活中實際問題的算法，從而使得這些算法具有更加有效的計算能力，我們把這個稱為是神經(jīng)網(wǎng)絡(luò)的工程應(yīng)用研究，或者也可以叫做是人工神經(jīng)網(wǎng)絡(luò)（ artificial neural work， ANN），簡稱為神經(jīng)網(wǎng)絡(luò)。f 稱為激發(fā)函數(shù) (activation function)或作用函數(shù)。特別地， w0 是閾值。在權(quán)系數(shù)的調(diào)整中，神經(jīng)網(wǎng)絡(luò)將會找到一種將誤差減少到最小的權(quán)系數(shù)的分配方式。上下層之間實現(xiàn)全連接，而每層神經(jīng)元之間無連接。 BP 人工神經(jīng)網(wǎng)絡(luò)的算法設(shè)計及其構(gòu)造十分地復(fù)雜，設(shè)定初始權(quán)值且初始化其他參數(shù)都需要積累豐富經(jīng)驗。 ，我們可以使用附加向量的方 法使算法避免陷入短時間的停頓。 下圖是 BP 人工神經(jīng)網(wǎng)絡(luò)處理流程圖： ↓ ← 開始 建立網(wǎng)絡(luò) 輸入各層權(quán)值和闕值 輸入樣本數(shù)據(jù) 正向計算輸入結(jié)果和誤差矩陣 滿足預(yù)期誤差？ 反向計算結(jié)果，調(diào)整各層的權(quán)值和闕值 結(jié)束 20 圖 BP 人工神經(jīng)網(wǎng)絡(luò)流程圖 優(yōu)點： BP 人工神經(jīng)網(wǎng)絡(luò)在實際生活中的應(yīng)用十分廣泛，在所有的人工神經(jīng)網(wǎng)絡(luò)的算法之中， BP 人工神經(jīng)網(wǎng)絡(luò)的算法大約占 80%。 一般希望神經(jīng)網(wǎng)絡(luò)模型具有以下幾個特征：（ 1）強適應(yīng)性：即系統(tǒng)能通過“學(xué)習(xí)”較容易地 調(diào)整到一個新的環(huán)境 .由此引出一系列對學(xué)習(xí)算法的討論； (2)魯棒性和容錯性：即少量神經(jīng)元，連接或輸入發(fā)生故障，不會明顯改變網(wǎng)絡(luò)性能 .這就要分析網(wǎng)絡(luò)作為動力系統(tǒng)，參數(shù)變化或擾動對網(wǎng)絡(luò)性能的影響； (3)能處理具有模糊性、隨機性、噪聲或不相容的信息；應(yīng)用隨機動力學(xué)模型可獲得較好的效果； (4)高度并行性：這一計算機技術(shù)正得到迅猛發(fā)展； (5)小型、緊湊、耗能少；這是對系統(tǒng)物理實現(xiàn)的要求 . 在神經(jīng)網(wǎng)絡(luò)的控制領(lǐng)域應(yīng)用中，各種模型層出不窮，但總的來說，大致可以歸結(jié)為以下幾類 [1]： (1)前饋式網(wǎng)絡(luò)：該種網(wǎng)絡(luò)結(jié)構(gòu)是分層排列的， 每一層的神經(jīng)元輸出只和下一層神經(jīng)元相連 .這種網(wǎng)絡(luò)結(jié)構(gòu)特別適用于 BP 算法，如今已得到了非常廣泛的應(yīng)用 .(2)輸出反饋的前饋式網(wǎng)絡(luò)：該種網(wǎng)絡(luò)結(jié)構(gòu)與前饋式網(wǎng)絡(luò)的不同之處在于這種網(wǎng)絡(luò)存在著一個從輸出層到輸入層的反饋回路 .該種結(jié)構(gòu)適用于順序型的模式識別問題，如 Fukushima 所提出的網(wǎng)絡(luò)模型結(jié)構(gòu) .(3)前饋式內(nèi)層互連網(wǎng)絡(luò)：該種網(wǎng)絡(luò)結(jié)構(gòu)中，同一層之間存在著相互關(guān)聯(lián)，神經(jīng)元之間有相互制約的關(guān)系，但從層與層之間的關(guān)系來看還是前饋式的網(wǎng)絡(luò)結(jié)構(gòu) .許多自組織神經(jīng)網(wǎng)絡(luò) 19 大多具有這種結(jié)構(gòu)，如 ART網(wǎng)絡(luò)等 .(4)反饋型全互連網(wǎng)絡(luò)：在該 種網(wǎng)絡(luò)中，每個神經(jīng)元的輸出都和其