農(nóng)產(chǎn)品價(jià)格預(yù)測(cè)及軟件設(shè)計(jì)ppt課件

1、農(nóng)產(chǎn)品價(jià)錢預(yù)測(cè)及軟件設(shè)計(jì)BY.Contents工程引見(jiàn)前期任務(wù)數(shù)據(jù)展現(xiàn)任務(wù)方案致謝.工程引見(jiàn)經(jīng)過(guò)對(duì)市場(chǎng)某農(nóng)產(chǎn)品的價(jià)錢樣本的采集和分析 建立價(jià)錢動(dòng)搖的模型 再進(jìn)展編程 最后得出能進(jìn)展價(jià)錢預(yù)測(cè)的軟件 BACK.前期任務(wù)數(shù)據(jù)采集 經(jīng)過(guò)各種途徑 獲得較長(zhǎng)一段時(shí)間內(nèi)某農(nóng)產(chǎn)品每日價(jià)錢 模型確立 經(jīng)過(guò)對(duì)數(shù)據(jù)的察看和分析 找到適宜的模型BACK.模型選擇經(jīng)過(guò)根本分析和整理數(shù)據(jù)后 選擇ARIMA時(shí)序模型農(nóng)產(chǎn)品的價(jià)錢呈現(xiàn)季節(jié)性動(dòng)搖趨勢(shì)，具有季節(jié)變化規(guī)律 而時(shí)間序列分析可以根據(jù)事物從過(guò)去到如今的演化過(guò)程，從中找出定量演化規(guī)律，并根據(jù)演化規(guī)律進(jìn)展預(yù)測(cè)。利用時(shí)序模型可以無(wú)需知道影響效應(yīng)目的的因果關(guān)系，根據(jù)效應(yīng)目的過(guò)去的

2、變化規(guī)律來(lái)建立模型，在系統(tǒng)動(dòng)態(tài)性較強(qiáng)的情況下，時(shí)序分析模型可以到達(dá)事半功倍的效果BACK.模型選擇模型根本原理ARIMA模型可表示為ARIMA (p, d,f)，其中p、q為自回歸部分和滑動(dòng)平均部分的階數(shù)，d為差分階數(shù)。對(duì)恣意n=1,2,3,t1,t2,tnT和恣意實(shí)數(shù)h,當(dāng) t1+h,t2+htn+hT 時(shí)，隨機(jī)變量表示為X(t1)，X (t2)，X (tn)和X (t1+h)，X(t2+h)，X (tn+h)，數(shù)學(xué)上純ARIMA模型為wt = +(B)(B)-1t,其中t為時(shí)間目的，W,為隨機(jī)變量X,或者X:轉(zhuǎn)換后的數(shù)據(jù)序列，產(chǎn)為均值項(xiàng)，B為后移因子，即BXt=Xt-1,(B)為滑動(dòng)平均算

3、子，(B)為自回歸算子，t為獨(dú)立擾動(dòng)，即隨機(jī)誤差.模型選擇ARIMA模型充分思索了不同時(shí)期的原始數(shù)據(jù)和既往預(yù)測(cè)誤差對(duì)未來(lái)值影響的方向及大小，能很好地預(yù)測(cè)時(shí)鮮農(nóng)產(chǎn)品價(jià)錢。結(jié)果闡明，ARIMA (0, 1, 1), (0, 1, 1)模型有比較高的擬合精度，這為進(jìn)一步預(yù)測(cè)時(shí)鮮農(nóng)產(chǎn)品價(jià)錢提供了根據(jù)。利用Eviews軟件 進(jìn)展模型診斷和預(yù)測(cè)檢驗(yàn)采用時(shí)間序列ARIMA (0, 1, 1) (0, 1, 1)預(yù)測(cè)農(nóng)產(chǎn)品價(jià)錢變化趨勢(shì)是可行的。BACK.關(guān)于模型留意該當(dāng)闡明，影響一個(gè)地域的農(nóng)產(chǎn)品價(jià)錢的要素很多，諸如供求、當(dāng)?shù)鼐用袷杖顺潭?、飲食?xí)慣、國(guó)家宏觀經(jīng)濟(jì)調(diào)控及相關(guān)政策的影響等，這些要素將對(duì)未來(lái)時(shí)期農(nóng)產(chǎn)品

4、的開(kāi)展呵斥很大的影響，同時(shí)也將經(jīng)過(guò)影響需求而間接影響農(nóng)產(chǎn)品價(jià)錢和農(nóng)產(chǎn)品市場(chǎng)的開(kāi)展。采用時(shí)間序列ARIMA (0, 1, 1), (0, 1, 1)主要以歷史數(shù)據(jù)為出發(fā)點(diǎn)，經(jīng)過(guò)擬合歷史開(kāi)展趨勢(shì)來(lái)描畫(huà)未來(lái)的情況，其外推的結(jié)果難以準(zhǔn)確預(yù)測(cè)這些政策要素呵斥的“轉(zhuǎn)機(jī)點(diǎn)。因此，曾經(jīng)建立的時(shí)間序列模型，必需以新的觀測(cè)值來(lái)驗(yàn)證，并在現(xiàn)有根底上經(jīng)過(guò)不斷參與新的察看值來(lái)修正或重新擬合ARIMA模型，從而使模型具有更好的預(yù)測(cè)性。.數(shù)據(jù)展現(xiàn)我們選取 番茄作為 樣本 原文件BACK.數(shù)據(jù)展現(xiàn)對(duì)09年全年 的價(jià)錢數(shù)據(jù) 進(jìn)展了采集原文件.后期任務(wù)方案數(shù)據(jù)分析處置編程及其實(shí)現(xiàn) 選擇利用JAVA程序?qū)崿F(xiàn) 以時(shí)間分類 輸入農(nóng)產(chǎn)品價(jià)錢 前往不同