基于CNN和GRU的农产品价格预测模型研究

来源：湖北农业科学杂志2023年第1期北京时间：

作者：李洁琼1, 刘振2

单位：1.西安职业技术学院基础课教学部,西安 710077; 2.西安文理学院化学工程学院,西安 710065

摘要：鉴于现有预测模型无法在大数据环境下对农产品价格进行准确和快速预测,提出了一种结合卷积神经网络（CNN）和门控循环单元（GRU）的农产品价格预测模型。使用CNN获取局部特征,使用GRU获取数据的时序依赖,然后将二者获得的特征连接在一起,由解码器获得预测输出。通过试验与传统的单一模型进行比较,验证模型的优越性。结果表明,与传统预测模型相比,本研究构建的模型能有效地进行短期预测,对农产品价格预测具有一定的实际价值。

关键词：农产品,价格预测模型,卷积神经网络,门控循环单元,短期预测

基金资助：陕西省教育厅2022年度一般专项科学研究计划（22JK0572）; 西安职业技术学院教学改革项目（2021JY03）