楊柳青 郝彥 劉闖

[摘要]近年來農(nóng)業(yè)商品市場一直處于一種不穩(wěn)定的狀態(tài)，但是農(nóng)產(chǎn)品是人們生活的必需品，針對市場這種動(dòng)蕩不安的情況應(yīng)利用科學(xué)的手段進(jìn)行專業(yè)的調(diào)整優(yōu)化。在數(shù)據(jù)挖掘的指導(dǎo)思想下建立可靠的農(nóng)產(chǎn)品價(jià)格預(yù)測模型，精準(zhǔn)剖析市場需求，便于把握農(nóng)產(chǎn)品的價(jià)格走向，穩(wěn)定農(nóng)產(chǎn)品市場。進(jìn)行數(shù)據(jù)挖掘的第一步就是搜集數(shù)據(jù)，有足夠數(shù)量的數(shù)據(jù)樣本可以讓實(shí)驗(yàn)結(jié)果更加準(zhǔn)確，其次分析影響農(nóng)產(chǎn)品價(jià)格的因素，利用主成分分析法在建立價(jià)格預(yù)測模型之前對其進(jìn)行降維處理，最后根據(jù)各個(gè)價(jià)格預(yù)測模型的特性，搭建最合適的模型，提高預(yù)測結(jié)果的準(zhǔn)確度。

[關(guān)鍵詞]主成分分析法;價(jià)格預(yù)測;數(shù)據(jù)挖掘;農(nóng)產(chǎn)品價(jià)格

[中圖分類號]S-9 [文獻(xiàn)標(biāo)識碼]A

1 研究的背景及意義

1.1 研究背景

隨著世界一體化的發(fā)展進(jìn)程越來越快，國內(nèi)外市場關(guān)聯(lián)密切，因此國內(nèi)市場變得越來越復(fù)雜，市場的變幻莫測會(huì)給人們帶來焦慮不安甚至?xí)绊懻Ｉ睢６r(nóng)業(yè)作為民生之根本，農(nóng)產(chǎn)品市場的不穩(wěn)定狀態(tài)自然也是值得全球矚目的熱門話題。農(nóng)產(chǎn)品所具有的特征是很特別的，在生產(chǎn)物流方面有不易于運(yùn)輸和存儲(chǔ)，周期性很短，季節(jié)性區(qū)域性明顯等特性;從消費(fèi)者的角度來說農(nóng)產(chǎn)品具有需求量大、安全性、新鮮度、產(chǎn)品的可替代性等特性;在物價(jià)方面具有動(dòng)蕩性及易受自然災(zāi)害影響較大的特性。

綜上各種因素導(dǎo)致了農(nóng)產(chǎn)品市場容易變換較為極端的性狀。這種動(dòng)蕩不安的市場不僅會(huì)影響人們的日常生活甚至?xí)a(chǎn)生惡性的蝴蝶效應(yīng)。同時(shí)隨著各種新興技術(shù)的出現(xiàn)，迅速推動(dòng)了農(nóng)業(yè)現(xiàn)代化建設(shè)的進(jìn)程。通過大數(shù)據(jù)采集、存儲(chǔ)、分析和挖掘技術(shù)的研究和應(yīng)用，充足運(yùn)用好農(nóng)產(chǎn)品市場領(lǐng)域中數(shù)目龐大、獲取渠道寬泛、種類繁多的數(shù)據(jù)，逐步提高農(nóng)產(chǎn)品市場取得和使用數(shù)據(jù)資源的能力，完成對農(nóng)產(chǎn)品市場經(jīng)濟(jì)運(yùn)行更確切的監(jiān)管、剖析和預(yù)測是非常有意義的。

1.2 研究意義

目前我國的經(jīng)濟(jì)發(fā)展已經(jīng)從高速發(fā)展轉(zhuǎn)為高質(zhì)量的發(fā)展，人們的生活品質(zhì)逐漸提高，但是人民群眾的生活日常始終離不開“衣食住行”，因此農(nóng)產(chǎn)品的價(jià)格自始至終是人民最關(guān)注的事情。農(nóng)產(chǎn)品的價(jià)格是市場物價(jià)的基礎(chǔ)，正確的科學(xué)預(yù)測方法可以幫助供應(yīng)商做出正確的決策，同時(shí)也能為人民群眾的利益提供保障。信息時(shí)代的快速發(fā)展，我們生活中產(chǎn)生的數(shù)據(jù)種類繁多，數(shù)量巨大，人們已經(jīng)不僅僅滿足于得到簡單、廉價(jià)的數(shù)據(jù)了，從這些復(fù)雜的數(shù)據(jù)中提取出對我們有效的信息就顯得舉足輕重。數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域十分廣泛，將其與農(nóng)業(yè)相結(jié)合，利用短期的預(yù)測數(shù)據(jù)可以對市場進(jìn)行監(jiān)控，穩(wěn)定生產(chǎn)需求，保障人民安居樂業(yè)，維持市場秩序穩(wěn)定。

2 數(shù)據(jù)挖掘概述

2.1 數(shù)據(jù)挖掘的概念

數(shù)據(jù)挖掘是指從海量而復(fù)雜的數(shù)據(jù)中利用算法找尋隱蔽于當(dāng)中有效信息的過程并且數(shù)據(jù)挖掘是采用逐個(gè)剖析數(shù)據(jù)然后從大量的數(shù)據(jù)中尋找其規(guī)律的技術(shù)。根據(jù)數(shù)據(jù)挖掘的定義我們可以總結(jié)出以下幾個(gè)要點(diǎn)：數(shù)據(jù)是真實(shí)、大量、有噪聲的;發(fā)現(xiàn)的知識是可理解、有意義的;發(fā)現(xiàn)的知識是人們感興趣的（這里的知識一般指的是規(guī)則、概念、規(guī)律以及模式等）。預(yù)料、可用和可適用三個(gè)表征應(yīng)該是通過數(shù)據(jù)挖掘所得到的信息所具備的。

通常數(shù)據(jù)挖掘分為有指導(dǎo)的數(shù)據(jù)挖掘和無指導(dǎo)的數(shù)據(jù)挖掘兩種。我們研究農(nóng)產(chǎn)品的價(jià)格預(yù)測用到的就是有指導(dǎo)的數(shù)據(jù)挖掘方法，通過利用可用數(shù)據(jù)建立數(shù)學(xué)模型為生產(chǎn)者的決策提供有效依據(jù)。一個(gè)全面的數(shù)據(jù)挖掘過程主要會(huì)包含數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理、挖掘算法以及知識的表達(dá)和解釋。

2.2 數(shù)據(jù)挖掘的應(yīng)用

當(dāng)下，數(shù)據(jù)已然侵入到了社會(huì)的各大范疇，而數(shù)據(jù)挖掘技術(shù)也成為各個(gè)領(lǐng)域的熱門話題。楊一鳴、潘嶸、潘嘉林等介紹主要的方法：時(shí)間序列方法中的基本方法 ARIMA，貝葉斯方法、人工神經(jīng)網(wǎng)絡(luò)、k均值聚類、決策樹、關(guān)聯(lián)規(guī)則等。這些方法已經(jīng)廣泛應(yīng)用于股票市場預(yù)測、生物醫(yī)藥領(lǐng)域、房地產(chǎn)預(yù)測等方面，并且產(chǎn)生了不錯(cuò)的效果。如李冰巖對海量數(shù)據(jù)使用關(guān)聯(lián)規(guī)則中的Apriori算法對這些數(shù)據(jù)進(jìn)行合理分析，從中發(fā)現(xiàn)了隱藏的形式，提煉有意義的知識，輔助電子商務(wù)企業(yè)決策者及時(shí)制定市場策略，迎合市場需求，預(yù)測市場走向。從上述這些例子中可看出數(shù)據(jù)挖掘在這個(gè)信息爆炸時(shí)代的重要性。

3 數(shù)據(jù)挖掘技術(shù)在價(jià)格預(yù)測中的應(yīng)用

3.1 研究方法

數(shù)據(jù)挖掘?qū)τ趦r(jià)格指數(shù)的預(yù)測方法大致可以分為兩部分：定性分析法和定量分析法。定性分析法和定量分析法是相互成就的，它們彼此之間缺一不可。定性分析法在對事物進(jìn)行判斷時(shí)會(huì)帶有個(gè)人主觀意識，因此它只能得出大致的結(jié)論，結(jié)論并不一定客觀。定量分析是在已有信息的基礎(chǔ)上對數(shù)據(jù)進(jìn)行進(jìn)一步的客觀分析，常用的定量分析有兩種：因素回歸法和時(shí)間序列分析法。定性分析是定量分析的前提，定性分析為一系列的分析工作提供基礎(chǔ)、確定方向，缺少定性分析那么接下來的定量分析將會(huì)毫無意義。

3.2主成分的提取

在預(yù)測農(nóng)產(chǎn)品價(jià)格研究中我們需要進(jìn)行數(shù)據(jù)建模，根據(jù)大量的不同維度的數(shù)據(jù)，利用數(shù)學(xué)函數(shù)將它們輸入和輸出之間的映射關(guān)系描述出來，而主成分的提取是為模型的建立奠定基礎(chǔ)。

首先我們需要了解影響農(nóng)產(chǎn)品價(jià)格的因素，通常農(nóng)產(chǎn)品價(jià)格會(huì)受到很多自然因素和社會(huì)因素的影響，例如：農(nóng)產(chǎn)品的進(jìn)、出口量，國家的政策經(jīng)濟(jì)發(fā)展，天氣及病蟲害等，這些因素相互之間都具備著一定的關(guān)聯(lián)性。因此在對其進(jìn)行建模之前我們需要對數(shù)據(jù)進(jìn)行預(yù)處理從而得到影響價(jià)格的主成分，利用主成分分析法可以對模型進(jìn)行降維處理，避免過多復(fù)雜的數(shù)據(jù)會(huì)致使模型產(chǎn)生過擬合。

3.3 價(jià)格預(yù)測模型

在對數(shù)據(jù)進(jìn)行預(yù)處理之后，需要選取適當(dāng)?shù)哪Ｐ蛯ζ溥M(jìn)行價(jià)格預(yù)測。價(jià)格預(yù)測理論模型大致分為以下三種：灰色預(yù)測模型、馬爾科夫模型以及神經(jīng)網(wǎng)絡(luò)模型。

3.3.1 灰色預(yù)測模型?；疑A(yù)測模型是根據(jù)小規(guī)模的、殘缺的信息，建立數(shù)學(xué)模型并做出戰(zhàn)網(wǎng)的一種預(yù)測方法。灰色預(yù)測是對灰色系統(tǒng)做出的預(yù)測，它對時(shí)間序列短、信息不完全的系統(tǒng)進(jìn)行建模分析，具有獨(dú)特的功效。由于灰色預(yù)測模型所需要的樣本數(shù)據(jù)小，演算便利，建模精準(zhǔn)度高，因此它是小樣本預(yù)測的高效工具。

3.3.2 馬爾科夫模型。馬爾科夫過程馬爾科夫模型又稱之為馬爾科夫鏈，通常我們把時(shí)間和狀態(tài)都是離散的馬爾科夫過程定義為馬爾科夫鏈。

3.3.3 神經(jīng)網(wǎng)絡(luò)模型。神經(jīng)網(wǎng)絡(luò)作為數(shù)據(jù)挖掘的一個(gè)重要組成部分，它的存在能便利的解決非線性和多變量的問題，這是利用一般數(shù)學(xué)模型很難解決的問題。并且在進(jìn)行建模的時(shí)候只需要對其設(shè)置合理的參數(shù)，給予模型足夠的訓(xùn)練樣本，它就能通過強(qiáng)大的自學(xué)習(xí)能力找到輸入和輸出之間的關(guān)系，得到我們所需要的結(jié)果。

影響農(nóng)產(chǎn)品價(jià)格的因素關(guān)聯(lián)復(fù)雜，神經(jīng)網(wǎng)絡(luò)是最適合解決這種非線性問題的，同時(shí)為了提高預(yù)測結(jié)果的精準(zhǔn)程度，可以使用多種神經(jīng)網(wǎng)絡(luò)方法對預(yù)測效果進(jìn)行對比實(shí)驗(yàn)，得出最準(zhǔn)確的結(jié)論。

4 結(jié)語

數(shù)據(jù)挖掘現(xiàn)在作為熱門技術(shù)，已經(jīng)滲透到了很多領(lǐng)域，而我國作為農(nóng)業(yè)大國，農(nóng)業(yè)的收入與國家的收入一脈相連，我們更加需要科學(xué)的方法來將農(nóng)業(yè)可持續(xù)健康的發(fā)展下去。農(nóng)產(chǎn)品價(jià)格的預(yù)測不僅能監(jiān)測市場情況，維護(hù)市場健康有序的發(fā)展，同時(shí)也可以幫助生產(chǎn)者做出科學(xué)的決策。在科技強(qiáng)國的背景下，只有將農(nóng)業(yè)與科技相結(jié)合，我國的農(nóng)業(yè)才能欣欣向榮，人民才能安居樂業(yè)。

[參考文獻(xiàn)]

[1] 陳金賽.基于神經(jīng)網(wǎng)絡(luò)的預(yù)測分析及其應(yīng)用研究[D].杭州：浙江工商大學(xué)，2012.

[2] 許洋.前饋型神經(jīng)網(wǎng)絡(luò)算法優(yōu)化分析[J].硅谷，2014，7（13）：66.

[3] 解建強(qiáng).基于BP神經(jīng)網(wǎng)絡(luò)的贛南臍橙價(jià)格預(yù)測研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2017.

[4] 靳占新，徐中一.大數(shù)據(jù)背景下物資價(jià)格預(yù)測方法[J].中國電力企業(yè)管理，2018（12）：3-4.