基于BP神经网络的玉米淀粉价格短期预测研究

◆杨鸿铭

基于BP神经网络的玉米淀粉价格短期预测研究

◆杨鸿铭

（云南大学软件学院 云南 650500）

玉米淀粉长期在社会生活、生物制品、工业原料中占有重要地位，因此对国内玉米淀粉进行价格预测具有重要意义。本文主要对国内玉米淀粉销售区均价的影响因素和短期价格预测进行了研究，主要分析了多种影响因素下的玉米淀粉销售区价格的非线性预测问题，建立了基于Levenberg-Marquardt的BP神经网络模型预测模型，完成了对国内玉米淀粉销售区均价的短期预测。运用MATLAB软件技术进行了模型训练、模型检验和预测，结果显示该模型能够对国内玉米淀粉销售区的均价提供短期预测。

BP神经网络；玉米淀粉；归一化处理；价格预测

1 引言

玉米淀粉是重要的食品、化工、造纸、制糖等重要生产原料。我国是仅次于美国的玉米淀粉第二大生产国，我国玉米淀粉产量呈逐年增长趋势，根据中国淀粉工业协会统计数据，2020年我国玉米淀粉产量约为3314万吨。玉米淀粉是重要的生物资源，但由于淀粉行业的复杂性，其价格容易受到气候、政策、原料产量的影响，加之公共卫生事件影响，物流发运不畅，使得玉米淀粉价格预测较为复杂。为了解决上述问题，本文选择基于Levenberg-Marquardt的BP神经网络与时间序列预测的组合模型，建立对玉米淀粉价格的短期预测模型。

2 数据的预处理

为了研究国内玉米淀粉的各项数据，本文采用了2019年1月至2021年1月的国内玉米现货交易价、产区均价、高脂DDGS均价、玉米蛋白粉均价、喷浆玉米纤维均价以及玉米淀粉销区市场均价作为预测模型的数据基础。实验数据主要来源于中国淀粉工业协会。

3 模型的建立

3.1 BP神经网络简介

BP神经网（Back Propagation Neural Network）是一种按照误差逆向传播算法训练的多层前馈神经网络，通过机器学习功能达到预期效果[1]。其主要由两个传播过程、三个层次（输入层、隐含层、输出层）构成。第一阶段过程是信号从输入层开始正向传播，经过隐含层，最后达到输出层。第二阶段过程是误差反向传播，从输出层开始，经过传播层，最后到达输入层。各层由若干神经元组成，输出值由作用函数和阈值共同决定，以达到输入与输出之间的关系[2]。BP神经网络结构图如图1所示。

图1 神经网络结构图

3.2 BP神经网络设计

3.3 BP神经网络学习过程

BP网络的训练流程如图2所示，当全局误差满足要求时，网络训练完毕[4]。

图2 BP神经网络训练流程图

4 模型的求解

利用MATLAB神经网络工具箱对玉米淀粉短期价格进行预测，梯度下降趋势如图3所示。

图3反映了模型训练过程中梯度和步长的变化，步长增加，此梯度的影响越大，梯度不断下降，说明误差逐渐趋于稳定。

图3 梯度和步长变化图

图4 回归拟合图

从图4中可以看出，训练样本的拟合优度是98.63%，测试集的拟合优度是98.51%，测试集的拟合优度是99.54%，全部的拟合度是97.04%。每个R值均大于0.97，R值越接近1，预测值越准确，说明所建立的神经网络性能越好，因此可以通过本实验模型进行玉米淀粉销售区均价的短期精确预测。

通过模型检验，预测值和真实值进行数据对比，大多数数据点能够较好地拟合真实数据，预测值和实际值误差很小，因而预测效果比较理想。

5 结论

本文针对当前国内玉米淀粉销售价格不断上升，且其价格的影响因素复杂的前提下，建立了BP神经网络价格预测模型，并且验证此模型能够对国内玉米淀粉短期价格变化做出比较合理的预测。但该模型只考虑了5个主要的影响因素，忽略了其他因素对玉米淀粉销售区均价的影响，在此基础上，可以通过增加数据量、增加影响因素以及进行多次模拟预测来增加此模型的合理性、高效性和可靠性。

[1]殷金恒.基于BP神经网络的煤炭价格预测研究[J].科技与创新，2021（02）：57-58.

[2]牛东来，陈连颐，程子珍.基于BP神经网络的北京市农产品批发市场鸡蛋价格短期预测研究[J].中国家禽，2017，39（24）：35-40.

[3]刘铭，刘精精，何禹德.基于GA-SVR算法的淀粉价格预测研究[J].数学的实践与认识，2016，46（08）：267-272.

[4]李圆圆. 基于BP神经网络的北京市二手房交易价格预测研究[D].首都经济贸易大学，2018.