基于BP神经网络、ARIMA和LS-SVM模型的
集成预测研究
——1978—2017年陕西省苹果产量实证

来源：江苏农业科学杂志2020年第第04期北京时间：

作者：李鹏飞; 王青青; 毋建宏; 陈华雪

单位：1.西安邮电大学现代邮政学院，陕西西安 710061； 2.西安邮电大学经济与管理学院，陕西西安 710061

摘要：利用单一预测模型进行产量预测时，由于各模型的数学原理不同，对同一数据的处理只能基于数据的部分特征，在预测时无法深度挖掘数据的潜在规律，易出现较大的预测偏差。基于以上问题，笔者以1978—2017年陕西省苹果产量数据为研究对象，将1978—2012年产量作为预测模型的训练数据，2013—2017年产量作为测试数据，选取BP神经网络、ARIMA、LS-SVM 3种在数学原理上具有明显差异的预测模型，采用集成预测策略，依据3种预测模型对训练数据的平均相对预测误差确定各模型的预测权重，最终对各模型预测的2013—2017年数据进行加权获取集成预测值。实证分析表明，集成预测值的平均相对误差在2.5%以内，其预测结果比单一预测模型更加准确和稳健，可有效实现苹果产量高精度预测。

关键词：BP神经网络;ARIMA;LS-SVM;陕西苹果产量;集成预测