基于BP、LSTM和ARIMA模型的蔬菜价格预测

来源：中国农机化学报杂志2020年第4期北京时间：

作者：彭红星;郑楷航;黄国彬;林督盛;阳智超;刘华鼐;

单位：华南农业大学数学与信息学院/南方农业机械与装备关键技术教育部重点实验室;华南理工大学化学与化工学院;

摘要：为系统统计蔬菜价格,实现蔬菜价格可视化并加以预测,以利于生产者科学决策。为此,首先爬取广州江南果菜批发市场所有的蔬菜价格,并对蔬菜价格的数据集进行预处理,然后建立起基于时间序列的ARIMA预测模型、BP神经网络预测模型和LSTM神经网络预测模型,通过3种模型对爬取的蔬菜价格进行分析和预测,最后将3种预测模型的实验结果进行对比。在选取的多种蔬菜的预测结果中,LSTM、BP、ARIMA模型的相对误差小于1%的平均比例分别为0.037、0.07、0.097,相对误差小于5%的平均比例分别为0.215、0.338、0.433,相对误差小于10%的平均比例分别为0.436、0.573、0.694。结果表明,ARIMA模型在预测蔬菜价格方面的准确率比LSTM、BP模型更高。

关键词：蔬菜价格;BP神经网络;LSTM神经网络;ARIMA;预测

基金资助：国家自然科学基金项目(61863011);; 广东省农业科技特派员项目(2018A0149);; 广东省农业发展和农村工作专项资金(2017SGNY001);; 华南农业大学2018年度大学生创新创业项目(201810564292)