◆楊鴻銘

基于BP神經網絡的玉米淀粉價格短期預測研究

◆楊鴻銘

（云南大學軟件學院 云南 650500）

玉米淀粉長期在社會生活、生物制品、工業(yè)原料中占有重要地位，因此對國內玉米淀粉進行價格預測具有重要意義。本文主要對國內玉米淀粉銷售區(qū)均價的影響因素和短期價格預測進行了研究，主要分析了多種影響因素下的玉米淀粉銷售區(qū)價格的非線性預測問題，建立了基于Levenberg-Marquardt的BP神經網絡模型預測模型，完成了對國內玉米淀粉銷售區(qū)均價的短期預測。運用MATLAB軟件技術進行了模型訓練、模型檢驗和預測，結果顯示該模型能夠對國內玉米淀粉銷售區(qū)的均價提供短期預測。

BP神經網絡；玉米淀粉；歸一化處理；價格預測

1 引言

玉米淀粉是重要的食品、化工、造紙、制糖等重要生產原料。我國是僅次于美國的玉米淀粉第二大生產國，我國玉米淀粉產量呈逐年增長趨勢，根據中國淀粉工業(yè)協會統(tǒng)計數據，2020年我國玉米淀粉產量約為3314萬噸。玉米淀粉是重要的生物資源，但由于淀粉行業(yè)的復雜性，其價格容易受到氣候、政策、原料產量的影響，加之公共衛(wèi)生事件影響，物流發(fā)運不暢，使得玉米淀粉價格預測較為復雜。為了解決上述問題，本文選擇基于Levenberg-Marquardt的BP神經網絡與時間序列預測的組合模型，建立對玉米淀粉價格的短期預測模型。

2 數據的預處理

為了研究國內玉米淀粉的各項數據，本文采用了2019年1月至2021年1月的國內玉米現貨交易價、產區(qū)均價、高脂DDGS均價、玉米蛋白粉均價、噴漿玉米纖維均價以及玉米淀粉銷區(qū)市場均價作為預測模型的數據基礎。實驗數據主要來源于中國淀粉工業(yè)協會。

3 模型的建立

3.1 BP神經網絡簡介

BP神經網（Back Propagation Neural Network）是一種按照誤差逆向傳播算法訓練的多層前饋神經網絡，通過機器學習功能達到預期效果[1]。其主要由兩個傳播過程、三個層次（輸入層、隱含層、輸出層）構成。第一階段過程是信號從輸入層開始正向傳播，經過隱含層，最后達到輸出層。第二階段過程是誤差反向傳播，從輸出層開始，經過傳播層，最后到達輸入層。各層由若干神經元組成，輸出值由作用函數和閾值共同決定，以達到輸入與輸出之間的關系[2]。BP神經網絡結構圖如圖1所示。

圖1 神經網絡結構圖

3.2 BP神經網絡設計

3.3 BP神經網絡學習過程

BP網絡的訓練流程如圖2所示，當全局誤差滿足要求時，網絡訓練完畢[4]。

圖2 BP神經網絡訓練流程圖

4 模型的求解

利用MATLAB神經網絡工具箱對玉米淀粉短期價格進行預測，梯度下降趨勢如圖3所示。

圖3反映了模型訓練過程中梯度和步長的變化，步長增加，此梯度的影響越大，梯度不斷下降，說明誤差逐漸趨于穩(wěn)定。

圖3 梯度和步長變化圖

圖4 回歸擬合圖

從圖4中可以看出，訓練樣本的擬合優(yōu)度是98.63%，測試集的擬合優(yōu)度是98.51%，測試集的擬合優(yōu)度是99.54%，全部的擬合度是97.04%。每個R值均大于0.97，R值越接近1，預測值越準確，說明所建立的神經網絡性能越好，因此可以通過本實驗模型進行玉米淀粉銷售區(qū)均價的短期精確預測。

通過模型檢驗，預測值和真實值進行數據對比，大多數數據點能夠較好地擬合真實數據，預測值和實際值誤差很小，因而預測效果比較理想。

5 結論

本文針對當前國內玉米淀粉銷售價格不斷上升，且其價格的影響因素復雜的前提下，建立了BP神經網絡價格預測模型，并且驗證此模型能夠對國內玉米淀粉短期價格變化做出比較合理的預測。但該模型只考慮了5個主要的影響因素，忽略了其他因素對玉米淀粉銷售區(qū)均價的影響，在此基礎上，可以通過增加數據量、增加影響因素以及進行多次模擬預測來增加此模型的合理性、高效性和可靠性。

[1]殷金恒.基于BP神經網絡的煤炭價格預測研究[J].科技與創(chuàng)新，2021（02）：57-58.

[2]牛東來，陳連頤，程子珍.基于BP神經網絡的北京市農產品批發(fā)市場雞蛋價格短期預測研究[J].中國家禽，2017，39（24）：35-40.

[3]劉銘，劉精精，何禹德.基于GA-SVR算法的淀粉價格預測研究[J].數學的實踐與認識，2016，46（08）：267-272.

[4]李圓圓. 基于BP神經網絡的北京市二手房交易價格預測研究[D].首都經濟貿易大學，2018.