【正文】 ............................................................. 錯誤 !未定義書簽。 BP 神經網絡拓撲結構的確定 ................................ 錯誤 !未定義書簽。 基于 BP 的生豬價格預測 ........................... 錯誤 !未定義書簽。 LMBP 算法 .............................................................. 錯誤 !未定義書簽。預測結果表明， 20xx~2017 年，我國 生豬價格 分別為 、 、 和 元 /千克。 關鍵字 :BP 神經網絡 ； 南北生豬價格 ； 預測 2 目錄 摘要 ................................................................................................................... 1 關鍵字 ............................................................................................................... 1 Abstract .................................................................................. 錯誤 !未定義書簽。 LMBP 網絡的建立步驟 ............................... 錯誤 !未定義書簽。 基于 SVM 的生豬價格預測 ....................... 錯誤 !未定義書簽。 BP 神經網絡模型的訓練與 構建 ............................ 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：生豬生產者可以預先安排未來生產計劃，降低生豬價格變動給生產經營帶來的風險；豬肉加工者可以合理選擇 采購方案，節(jié)約成本；相關部門可以根據(jù)這個預測結果評估豬肉市場的風險，從而合理安排市場運營，因此，生豬價格預測成為了農業(yè)經濟研究中的重點問題之一。但是由于在實際生產應用中這個模型的缺點比較多，這個模型既不符合生產函數(shù)中的投入產出模型，也與供給反應函數(shù)的內涵大相徑庭 。由于時期、立場和研究深度等的 不同，研究學者的觀點也產生了一些分歧。日本政府針對不同的農產品分別制定了不同的調控政策。 本文研究的創(chuàng)新點 1)理論與實際相結合。在 1938 年 Ezekiel最早使用蛛網理論探討生豬周期，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，則主要是結合數(shù)量經濟學及系統(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網絡預測等方法。 近幾年國內生豬市場風云變幻，“漲 — 跌 — 平”的豬周期不再貼合當今市場，“老江湖”們的老經驗慢慢偏離軌道，對于后期行情預判，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，導致 20xx 年 4 月份至今生豬供應量減少，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，作為生產生豬的第一大省的四川，養(yǎng)豬業(yè)是其農業(yè)與農村經濟發(fā)展的重要支柱產業(yè)，農民收入與地方財政收入的重要來源就是生豬生產的收益。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%的畜產品消費增長由城市化導致，大批農村勞動力進入城市尤其是大中城市，提升了畜產品的需求。在失業(yè)率上升和收入增速下降或者收入下降的預期下，可以預見畜產品消費的增長較為困難。豬的人畜共患病，如鏈球菌病，藍耳病等如果預防和治療的不及時到位，不但會影響生豬的供應，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 )生產者價格預期 生豬養(yǎng)殖戶在進行生產決策時，需要對未來的生豬價格和市場需求進行預測，因此生產者的預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波動周期一致，所以政策基本著力點主要在生產波動的調控。到目前為止，神經網絡的研究主要分為兩個派別：一類主要是包括生物學家、物理學家和心理學家等，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人員等等，他們所關注的更是怎樣利用神經網絡的基本原理，去構造可以解決 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網絡的工程應用研究，或者也可以叫做是人工神經網絡（ artificial neural work， ANN），簡稱為神經網絡。f 稱為激發(fā)函數(shù) (activation function)或作用函數(shù)。特別地， w0 是閾值。在權系數(shù)的調整中，神經網絡將會找到一種將誤差減少到最小的權系數(shù)的分配方式。上下層之間實現(xiàn)全連接，而每層神經元之間無連接。 BP 人工神經網絡的算法設計及其構造十分地復雜，設定初始權值且初始化其他參數(shù)都需要積累豐富經驗。 ，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 人工神經網絡處理流程圖： ↓ ← 開始 建立網絡 輸入各層權值和闕值 輸入樣本數(shù)據(jù) 正向計算輸入結果和誤差矩陣 滿足預期誤差？ 反向計算結果，調整各層的權值和闕值 結束 20 圖 BP 人工神經網絡流程圖 優(yōu)點： BP 人工神經網絡在實際生活中的應用十分廣泛，在所有的人工神經網絡的算法之中， BP 人工神經網絡的算法大約占 80%。 一般希望神經網絡模型具有以下幾個特征：（ 1）強適應性：即系統(tǒng)能通過“學習”較容易地 調整到一個新的環(huán)境 .由此引出一系列對學習算法的討論； (2)魯棒性和容錯性：即少量神經元，連接或輸入發(fā)生故障，不會明顯改變網絡性能 .這就要分析網絡作為動力系統(tǒng)，參數(shù)變化或擾動對網絡性能的影響； (3)能處理具有模糊性、隨機性、噪聲或不相容的信息；應用隨機動力學模型可獲得較好的效果； (4)高度并行性：這一計算機技術正得到迅猛發(fā)展； (5)小型、緊湊、耗能少；這是對系統(tǒng)物理實現(xiàn)的要求 . 在神經網絡的控制領域應用中，各種模型層出不窮，但總的來說，大致可以歸結為以下幾類 [1]： (1)前饋式網絡：該種網絡結構是分層排列的， 每一層的神經元輸出只和下一層神經元相連 .這種網絡結構特別適用于 BP 算法，如今已得到了非常廣泛的應用 .(2)輸出反饋的前饋式網絡：該種網絡結構與前饋式網絡的不同之處在于這種網絡存在著一個從輸出層到輸入層的反饋回路 .該種結構適用于順序型的模式識別問題，如 Fukushima 所提出的網絡模型結構 .(3)前饋式內層互連網絡：該種網絡結構中，同一層之間存在著相互關聯(lián)，神經元之間有相互制約的關系，但從層與層之間的關系來看還是前饋式的網絡結構 .許多自組織神經網絡 19 大多具有這種結構，如 ART網絡等 .(4)反饋型全互連網絡：在該 種網絡中，每個神經元的輸出都和其