金語澤，賈昕為，賴望峰，周宏立，陳乃赫，李濤*

研究論文

大數(shù)據(jù)技術在豬肉價格預測與調(diào)控上的探索與應用

金語澤1，賈昕為2，賴望峰1，周宏立1，陳乃赫1，李濤2*

1.神州數(shù)碼信息系統(tǒng)有限公司，北京 100080；2.農(nóng)業(yè)農(nóng)村部信息中心，北京 100125

我國是生豬養(yǎng)殖大國，也是豬肉消費大國。豬肉價格波動直接影響?zhàn)B豬戶利益，也會對居民生活產(chǎn)生影響。預測未來豬肉價格走勢，科學管控生豬市場價格，對推進我國生豬市場平穩(wěn)健康運行具有重要現(xiàn)實意義。本文以全國生豬出場價格為研究對象，首先根據(jù)生豬生產(chǎn)的生物周期和生產(chǎn)的連續(xù)性特點，構建生豬出欄量、能繁母豬存欄量與豬肉產(chǎn)量三者之間的關系模型，預測出未來10個月的豬肉產(chǎn)量。再結合我國受豬肉消費習慣影響，致使豬肉需求量呈現(xiàn)明顯季節(jié)性周期波動的特點，采用STL時間序列分解法，從豬肉交易數(shù)據(jù)中提煉出月度季節(jié)性波動趨勢，預測月度豬肉需求量?；诙▋r模型中供需法則，使用最小二乘法約束法，構建豬肉供應量和需求量比與豬肉價格之間的關系模型，對未來10個月豬肉價格進行預測，并測算出豬肉供需均衡價格。本研究使用農(nóng)業(yè)農(nóng)村部重點農(nóng)產(chǎn)品市場信息平臺系統(tǒng)中2016至2022年豬肉相關數(shù)據(jù)，預測豬肉價格相對誤差約10%。當預測的豬肉供應量與需求量比出現(xiàn)偏離時，豬肉價格將偏離供需均衡價格，模型能夠通過調(diào)控能繁母豬存欄量、進口量和投放量來調(diào)節(jié)豬肉供應量，從而調(diào)控未來豬肉價格走勢。本研究提供了通過調(diào)整影響豬肉供應量的核心因素來調(diào)節(jié)未來豬肉價格走勢的思路和方法，旨在科學預測豬肉供需量及未來價格走勢，協(xié)助政府相關部門合理及時調(diào)控豬肉供給，促進各時刻的豬肉供需均衡，豬肉價格穩(wěn)定在供需均衡的合理區(qū)間。

供應量預測；需求量預測；供需均衡；豬肉價格預測與調(diào)控

1 引言

我國是生豬養(yǎng)殖大國，生豬養(yǎng)殖占全球生豬總養(yǎng)殖量的56.6%[1]。我國也是豬肉消費大國，根據(jù)美國農(nóng)業(yè)部，2022年預計中國豬肉消費量4841萬噸，在全球豬肉消費中占比47%，位列全球第一。在中國肉類生產(chǎn)結構中，豬肉占比保持在40%左右，位列動物性蛋白消費品種之首[2]。生豬產(chǎn)業(yè)的發(fā)展?jié)M足居民對豬肉及其產(chǎn)品的營養(yǎng)需求的同時，也為養(yǎng)豬戶增收、就業(yè)、以及相關產(chǎn)業(yè)的發(fā)展等做出重要貢獻。生豬產(chǎn)業(yè)的健康發(fā)展更關系到食品安全、社會穩(wěn)定以及國民經(jīng)濟的協(xié)調(diào)發(fā)展。

近年來，豬肉價格頻繁波動，生豬價格的波動直接關系到養(yǎng)豬戶的利益，對普通居民的生活也產(chǎn)生一定影響?？茖W管控生豬畜牧產(chǎn)品市場價格是農(nóng)業(yè)宏觀管理的核心問題之一，對推進我國生豬市場平穩(wěn)健康運行具有重要現(xiàn)實意義。開展豬肉價格趨勢的分析與研究，預測豬肉供需量及未來豬肉價格走勢，對科學指導生產(chǎn)布局，穩(wěn)定豬肉價格有效供應，促進生豬產(chǎn)業(yè)結構調(diào)整，穩(wěn)定物價等都具有重要的意義。

圍繞對農(nóng)產(chǎn)品價格預測，多年來國內(nèi)外開展了廣泛的研究與探索。目前主要的預測方法有計量經(jīng)濟預測法、數(shù)理統(tǒng)計預測法、智能模型法和組合預測法。計量經(jīng)濟預測法側重于分析經(jīng)濟現(xiàn)象中因果關系，最常用的方法是回歸分析法。馬孝斌[3]等人選擇了6個影響生豬價格的關鍵影響因素進行關聯(lián)分析，建立影響因素與生豬價格之間的向量自回歸模型，從而對某個時期的生豬價格進行預測。實際情況下，影響豬肉價格波動的影響因素有很多，數(shù)據(jù)收集存在困難，且不同因素對價格的影響程度、影響時間不一相同，這些都對價格預測工作帶來了很多不便。數(shù)理統(tǒng)計預測法中，較為廣泛的應用是時間序列預測法。La Via[4]等人構建ARIMA模型（ARIMA，Autoregressive Integrated Moving Average model，即差分整合移動平均自回歸模型）對西西里6種不同蔬菜的價格進行預測。時間序列預測模型主要是根據(jù)歷史數(shù)據(jù)的規(guī)律和特點建模，預測未來趨勢。此類模型在線性時間序列中具有良好的預測效果。近年來人工智能技術的快速發(fā)展，智能模型法也被學者們廣泛應用于農(nóng)產(chǎn)品價格預測中。樓文高[5]等人使用GRNN神經(jīng)網(wǎng)絡（GRNN，General Regression Neural Network，即廣義回歸神經(jīng)網(wǎng)絡）對上海日頻度生豬價格進行建模，發(fā)現(xiàn)GRNN網(wǎng)絡相較下具有較好的魯棒性和預測精度。目前主流的智能模型法需要大量樣本進行訓練，如果訓練樣本不足，會導致預測擬合度差、精度低等問題[6]。組合預測法能夠融合各單一預測模型的優(yōu)勢，表現(xiàn)出更好的預測精度。任青山[7]等人提出了一種基于BP神經(jīng)網(wǎng)絡模型和多元回歸分析模型結合的方法，預測精度比單一模型要高。組合法預測精度要高于其他方法，但它要求各子模型的學習目標一致，使用場景有局限性。

從以往研究來看，學者們針對某一時期的豬肉價格預測研究較多，但從長期豬肉供需均衡角度出發(fā)，展開對豬肉供需情況和價格走勢的預測較少。現(xiàn)有研究難以從豬肉的供應和需求情況出發(fā)，提供豬肉供需預測量，并基于供需量給出價格走勢預測，為政府決策宏觀調(diào)控政策提供指導。

為此，本文以全國生豬出場價格為研究對象，對豬肉供需均衡理論的方法和模型進行研究，運用統(tǒng)計學、計量經(jīng)濟學等方法對豬肉供需量和未來10個月全國生豬出場價格走勢進行預測分析。同時，本研究提供了通過調(diào)整影響豬肉供應量的核心因素，調(diào)節(jié)未來豬肉價格走勢的思路和方法，可協(xié)助政府相關部門及時合理調(diào)控豬肉供給，促進各時刻的豬肉供需均衡，平抑豬肉供給和價格波動，保證生豬產(chǎn)業(yè)再生產(chǎn)順利進行。

2 研究內(nèi)容

本文核心研究內(nèi)容為構建豬肉供需均衡價格預測調(diào)控模型，預測未來中短期豬肉價格走勢。為構建豬肉供需均衡價格預測調(diào)控模型，首先需要開展豬肉供應量預測。我國豬肉供應量主要來源于國內(nèi)豬肉產(chǎn)量，還有小部分來自政府投放和國外進口[8]。針對主要供應，本文通過構建豬肉供應量預測模型，預測未來國內(nèi)豬肉產(chǎn)量。針對其他供應，投放量、進口量均屬于政府調(diào)控因素，難以提前預測。在本研究中，其他供應僅作為調(diào)控豬肉價格走勢的因素來使用。其次，需要開展豬肉需求量預測?；谪i肉農(nóng)貿(mào)市場交易量的歷史數(shù)據(jù)，構建豬肉需求量預測模型，預測未來月度豬肉需求量走勢?；诙▋r模型中供需法則，構建豬肉供需均衡價格預測調(diào)控模型，將預測的豬肉供應量和需求量作為輸入，預測未來近10個月的豬肉價格走勢。研究思路如圖1所示。

圖1 研究思路圖

3 數(shù)據(jù)來源

本文實驗數(shù)據(jù)來自農(nóng)業(yè)農(nóng)村部重點農(nóng)產(chǎn)品市場信息平臺系統(tǒng)中豬肉相關數(shù)據(jù)。依據(jù)數(shù)據(jù)可獲得性和連續(xù)性的原則，所選數(shù)據(jù)明細如下表1所示。

4 模型構建與實踐

4.1 豬肉供應量預測模型

4.1.1 構建模型

構建豬肉供給量預測模型是本文基礎研究目標之一。影響豬肉供給量的因素有很多，例如國家政策、生產(chǎn)成本、疫病疫情等，這些因素對豬肉供給都有很大影響。然而，無論各類因素如何影響，生豬生產(chǎn)都有內(nèi)在的規(guī)律性。能繁母豬是生豬生產(chǎn)和市場供應的“總開關”[9]，能繁母豬存欄量的增減直接影響10個月后的生豬供給[10]，也就是說，前期能繁母豬存欄量是決定豬肉供給量的最根本因素。筆者通過定量分析能繁母豬和下期豬肉產(chǎn)量之間的關系來構建豬肉供給量預測模型，該模型是豬肉供應量預測和調(diào)控的基礎，預測和調(diào)控未來中短期豬肉供給量。

結合生豬生產(chǎn)的生物性周期和生產(chǎn)的連續(xù)性，生豬不同生長階段之間存在一定的數(shù)量依賴關系。即豬肉供給量由本期生豬出欄量決定，生豬出欄量由前期生豬存欄量決定，生豬存欄量由前期能繁母豬存欄量決定，生長階段轉換關系見下圖所示。那么，構建生豬出欄量、能繁母豬存欄量與豬肉產(chǎn)量三者之間的關系模型，實現(xiàn)按月份的中短期預測豬肉產(chǎn)量功能。

表1 所選數(shù)據(jù)明細

圖2 生豬生長階段轉換關系圖

生豬出欄量影響當期豬肉產(chǎn)量，能繁母豬存欄量影響未來10個月后的生豬出欄量。首先，本文構建生豬出欄量與豬肉產(chǎn)量之間的關系模型。分析生豬出欄量與豬肉產(chǎn)量之間相關性，生豬出欄量與豬肉產(chǎn)量具備較大相關性。計算兩者皮爾遜相關性系數(shù)為0.99，且值小于0.0001，見公式1。因此，生豬出欄量與豬肉產(chǎn)量相關程度屬于極度相關[11]。

其中，表示在m月的豬肉產(chǎn)量，單位是萬噸。表示在m月的生豬出欄量，單位是萬頭。m表示月份，=1,2,…。(S)表示月度豬肉產(chǎn)量與月度生豬出欄量之間的皮爾遜相關性系數(shù)。建立生豬出欄量與豬肉產(chǎn)量之間線性回歸模型，見公式2。

=×+β (2)

其中，表示出肉均重，即一頭出欄豬能產(chǎn)出的豬肉量，單位是噸/頭。表示固定參數(shù)。根據(jù)歷史數(shù)據(jù)擬合結果得，=0.0781，=0.000。計算結果可得，一頭出欄豬約產(chǎn)出78.1千克豬肉。

能繁母豬存欄量主要由每年每頭母豬出欄生豬的頭數(shù)（簡稱）和生豬出欄量決定，由此豬群周轉規(guī)律，構建能繁母豬存欄量與生豬出欄量之間的關系模型。

年度能繁母豬存欄量與年度生豬出欄量之間關系，如下式所示。

=MSY×(3)

月度能繁母豬存欄量與月度生豬出欄量之間關系，如下式所示。

=-10×MSY-10×-10(4)

=×MSY(5)

由公式4和5，推導下述公式6，

=-10×-10(6)

由公式3和6，推導下述公式7，

其中，表示y年的生豬出欄量。MSY表示y年的每頭母豬出欄生豬的頭數(shù)。表示y年的能繁母豬存欄量。表示在m月的生豬妊娠率。表示在m月的生豬生產(chǎn)率。MSY表示在m月的每頭母豬出欄生豬的頭數(shù)。表示在m月的能繁母豬存欄量。

由公式2和公式6可推導出豬肉產(chǎn)量與能繁母豬存欄量關系模型，如公式8所示。

=0.0781×-10×-10(8)

4.1.2 預測未來月度豬肉產(chǎn)量

根據(jù)推算得到的歷史月度豬肉產(chǎn)量和月度能繁母豬存欄量，使用公式8計算月度生產(chǎn)率。

計算結果發(fā)現(xiàn)，每年月度生產(chǎn)率變化趨勢趨近相同，但月度生產(chǎn)率大小有差異。因此，本文中使用月平均生產(chǎn)率趨勢來推算未來生產(chǎn)率。

結合上述數(shù)據(jù)分析結論，未來月度生產(chǎn)率由月平均生產(chǎn)率趨勢和年總生產(chǎn)率決定。公式7可計算以上一年的年總生產(chǎn)率，即上一年的年。

+1,t=×MSY(12)

其中，+1,t表示在+1年月的預測生產(chǎn)率。年度也可由農(nóng)產(chǎn)品經(jīng)濟學專家根據(jù)當下豬肉產(chǎn)業(yè)鏈的情況設定或調(diào)整。

使用上述公式計算的月生產(chǎn)率趨勢、年總生產(chǎn)率、推算的2020年3月—2021年2月的月度能繁母豬存欄量，預測2021年1月—12月的月度豬肉產(chǎn)量。預測結果如表2所示。

表2 預測2021年豬肉產(chǎn)量（萬噸）

4.2 豬肉需求量預測模型

4.2.1 構建模型

構建豬肉需求量預測模型是本研究另一項基礎研究目標。我國豬肉消費習慣導致了豬肉需求量呈現(xiàn)明顯的季節(jié)性周期波動[12]，比如每逢端午、中秋、春節(jié)等重大傳統(tǒng)節(jié)日、寒冷季節(jié)豬肉月需求量均出現(xiàn)明顯增加。因此，本次采用季節(jié)周期預測法，對月度豬肉需求量趨勢進行預測。

本文中使用農(nóng)貿(mào)市場日度豬肉交易量數(shù)據(jù)，計算豬肉月度交易量。從多年來的月交易量時序中，提取季度波動規(guī)律，將其作為豬肉月度需求量波動趨勢。采用STL時間序列分解法（STL，Seasonal and Trend decomposition using Loess，即以魯棒局部加權回歸作為平滑方法的時間序列分解方法）[13]，從交易數(shù)據(jù)中分解出豬肉需求量的月度季節(jié)性波動曲線，將其作為月度豬肉需求量趨勢。

STL時序分解將時序分解為趨勢項、季節(jié)項、余項，分別用V，T，S，R代表數(shù)據(jù)項，趨勢項、季節(jié)項和余項。本文使用季節(jié)項V表示月度豬肉需求量趨勢。分解公式如下式所示。

V=T+S+R(13)

4.2.2 預測未來月豬肉需求量

本研究選擇2016年—2021年農(nóng)貿(mào)市場日度生豬交易量數(shù)據(jù)，計算每個月豬肉交易量。基于公式13的STL模型，抽取季節(jié)項S，用其表示為1月—12月豬肉需求量趨勢DT，即DT=S。下圖是豬肉需求量季節(jié)性波動曲線圖。

圖3 豬肉需求量季節(jié)性波動曲線圖

每個月豬肉需求量為年豬肉總需求量與豬肉需求趨勢之積，如下式所示。

D= D×DT(14)

其中，m表示第月，這里=1,2,…,12。DT表示第月豬肉需求量趨勢。D表示年豬肉總需求量。D表示第月豬肉需求量。

這里，年總豬肉產(chǎn)量D可由農(nóng)產(chǎn)品經(jīng)濟學專家根據(jù)當下豬肉產(chǎn)業(yè)鏈的情況設定或調(diào)整，本文中以農(nóng)業(yè)農(nóng)村部提出的正常年份全國豬肉產(chǎn)量在5500萬噸時的生產(chǎn)數(shù)據(jù)為參照[9]，設定在豬肉供需均衡情況下，豬肉的需求量與產(chǎn)量之間相互持平，年豬肉總需求量D為5500萬噸。在年豬肉總需求量為5500萬噸情況下，結合豬肉需求量趨勢，計算1月—12月豬肉需求量，計算結果如表3所示，單位是萬噸。

表3 在年豬肉總需求量為5500萬噸情況下，1至12月豬肉需求量（萬噸）

4.3 豬肉供需均衡價格預測調(diào)控模型

4.3.1 構建模型

構建豬肉供需均衡調(diào)控模型是本研究的核心目標，旨在預測豬肉價格，協(xié)助政府宏觀調(diào)控達到供需均衡從而穩(wěn)定豬肉價格。豬肉供需均衡指的是市場中的豬肉供應量與消費者對豬肉的需求量基本一致，在供需均衡下，社會再生產(chǎn)順利進行，同時滿足國民生活需要，既沒有供給過剩也沒有需求短缺。根據(jù)定價模型中供需法則[14,15]，當豬肉供應量等于需求量時，豬肉市場達到了一種供需均衡的狀態(tài)，當豬肉供應量大于需求量時，豬肉市場呈現(xiàn)過剩狀態(tài)，反之呈現(xiàn)短缺狀態(tài)。均衡狀態(tài)是一種理想態(tài)勢，本文中豬肉供需均衡價格預測調(diào)控模型旨在根據(jù)構建的豬肉供應量、需求量與豬肉價格之間關系模型，預測未來豬肉價格走勢，并計算出豬肉供需均衡價格。當預估未來豬肉供應量與需求量將出現(xiàn)嚴重偏離時，各級政府可以通過行政、經(jīng)濟等手段[12]，對豬肉供需進行調(diào)節(jié)和控制，促使豬肉市場從過剩狀態(tài)或短缺狀態(tài)向均衡狀態(tài)過渡。本文中豬肉供需調(diào)控主要指的是對豬肉供應量的宏觀調(diào)控。

豬肉供需均衡價格預測調(diào)控模型基本思路是，在需求量趨勢穩(wěn)定的前提下，通過豬肉供應量與需求量比值（以下簡稱供需比）和價格之間關系，對價格進行預測和調(diào)控。在國家政策調(diào)整、疫病疫情等其他因素不變的情況下，價格與供需比之間呈現(xiàn)反比關系，即供需比越高，價格越低，供需比越低，價格越高。

本研究使用國內(nèi)豬肉產(chǎn)量、投放量、進口量的總和代表豬肉供應量，生豬出場價格代表豬肉價格，豬肉需求量預測模型得出的需求量代表豬肉需求量。使用最小二乘法約束法來探索豬肉供需比與豬肉價格之間關系，構建兩者之間的數(shù)據(jù)關系模型，當豬肉供應量和需求量確定時，推斷豬肉價格。

4.3.2 預測未來豬肉價格

選擇月度生豬出場價格代表豬肉價格（元/千克）。使用最小二乘法約束法構建豬肉供需比與豬肉價格之間數(shù)學模型。

=×(SD)ω(15)

SD= S×D(16)

S=++(17)

其中，SD表示在m月的豬肉供應量與豬肉需求量的比值。S表示在m月的豬肉供應量。表示在m月的國內(nèi)豬肉產(chǎn)量。表示在m月的國內(nèi)豬肉投放量。表示在m月的豬肉進口量。D表示在m月的豬肉需求量。表示豬肉供需均衡價格。根據(jù)歷史數(shù)據(jù)擬合結果得，=17.103，=-1.581，擬合優(yōu)度2=0.54。該時間段內(nèi)，計算得到的豬肉供需均衡價格為17.103元/千克。

表4 豬肉價格預測表

使用歷史數(shù)據(jù)進行預測2021年5月—2022年4月豬肉價格預測，平均相對誤差11.7%。

在豬肉需求量基本穩(wěn)定的前提下，調(diào)節(jié)和穩(wěn)定豬肉供應量是調(diào)控策略的核心要點。假設當前時間點是2021年6月，若政府希望調(diào)控2022年4月豬肉價格至12元/千克，2022年4月豬肉產(chǎn)量主要由2021年6月的能繁母豬存欄量決定，過去的能繁母豬存欄量不能調(diào)控。且豬肉需求量主要由居民飲食消費決定，也無法調(diào)控。但適當增加進口量和投放量至48萬噸，可將豬肉價格調(diào)整至12元/千克。同理，若希望調(diào)控2022年4月豬肉價格至13.5元/千克，可適當降低進口量和投放量至8萬噸。如果希望調(diào)控2022年5月豬肉價格在13.5元/千克左右，在保持進口量和投放量為20萬噸的情況下，可將2021年7月能繁母豬存欄量保持在4516萬頭左右。由此通過調(diào)控能繁母豬存欄量、進口量和投放量來達到調(diào)節(jié)未來豬肉價格走勢的目的。

科學預測豬肉供應量和需求量能夠為農(nóng)業(yè)政府相關部門提供宏觀決策依據(jù)，預測是科學調(diào)控和合理決策的基礎，調(diào)控是模型的最終目的。

5 結論與展望

相比于以往研究，本研究對豬肉價格預測和價格調(diào)控提出了創(chuàng)新的研究思路。首先從豬肉價格預測角度出發(fā)，構建豬肉供應量預測模型和需求量預測模型，預測未來一段時間內(nèi)豬肉供應量和需求量，以定價模型中供需法則為依據(jù)，預測未來10個月的豬肉價格走勢。然后從價格調(diào)控的角度出發(fā)，本研究提出了通過供需關系調(diào)節(jié)對豬肉價格進行調(diào)控的方案，在豬肉需求基本穩(wěn)定的前提下，通過能繁母豬存欄量、投放量和進口量調(diào)節(jié)豬肉的供應量，從而調(diào)控豬肉價格。豬肉供需均衡價格預測調(diào)控模型以預測為基礎、調(diào)控為最終目的，旨在科學預測豬肉供給，從而協(xié)助政府相關部門合理及時調(diào)控豬肉供給，促進豬肉價格穩(wěn)定波動。

然而，在豬肉供需均衡調(diào)控模型應用實踐過程中，對豬肉價格精準預測依賴于所需數(shù)據(jù)的完整性和準確性。隨著數(shù)據(jù)不斷積累、更新和完善，模型能夠學習到更多數(shù)據(jù)，對未來價格的預測才能越來越精準。

[1] 管小紅. 2020年全球及中國生豬養(yǎng)殖行業(yè)發(fā)展規(guī)模及行業(yè)發(fā)展前景預測：仍然有利可圖[EB]. 產(chǎn)業(yè)信息網(wǎng), 2020.

Guan X H. Forecasting the Development Scale and Industry Prospect of Global and Chinese Swine Farming Industry in 2020: Still Profitable [EB]. https://www.chyxx.com/industry/202006/874368.html, 2022.

[2] 陳夢瑤. 生豬養(yǎng)殖產(chǎn)業(yè)研究：生豬市場空間超萬億，新一輪周期拐點將至[EB]. 國聯(lián)證券, 2022.

Chen M Y.Pig Farming Industry Research: Pig Market Space Exceeds Trillions, New Cycle Turning Point is Coming. [EB]. https: //baijiahao.baidu.com/s?id=1721730302069215711&wfr=spider&for= pc, 2022.

[3] 馬孝斌, 王婷, 董霞, 等. 向量自回歸法在生豬價格預測中的應用[J]. 中國畜牧雜志, 2007(23):9-11.

Ma X B, Wang T, Dong X, et al.Application of vector autoregression method in predicting pig prices[J]. Chinese Journal of Animal Science, 2007, (23): 9-11.

[4] La Via G, Nucifora A M D, Cucuzza G. Short Term Forecasting of Vegetables Prices in Sicily[C]. VI International Symposium on Protected Cultivation in Mild Winter Climate: Product and Process Innovation 614. 2002: 857-862.

[5] 樓文高, 陳芳, 張博,等. 基于GRNN模型的鮮豬肉市場日度價格預測與實證研究[J]. 系統(tǒng)科學與數(shù)學, 2016, 36(11):1986-1996.

Lou W G, Chen F, Zhang B. Empirical Study and Daily Price Forecast of Fresh Pork Market Based on GRNN Model [J]. Journal of Systems Science and Mathematical Sciences, 2016, 36(11): 1986-1996.

[6] Schmidhuber J. Deep learning in neural networks: An overview[J]. Neural Networks, 2015, 61: 85-117.

[7] 任青山, 方逵, 朱幸輝. 基于多元回歸的 BP 神經(jīng)網(wǎng)絡生豬價格預測模型[J]. 江蘇農(nóng)業(yè)科學, 2019, 47(14): 277-281.

Ren Q S, Fang K, Zhu X H. BP Neural network prediction model of pig price based on multiple regression[J]. Jiangsu Agricultural Sciences, 2019, 47(14): 277-281.

[8] 許世衛(wèi). 農(nóng)業(yè)信息分析學[M]. 北京: 高等教育出版社, 2013.

Xu S W. Agricultural Information Analysis[M]. Beijing: Higher Education Press, 2013.

[9] 農(nóng)業(yè)農(nóng)村部. 農(nóng)業(yè)農(nóng)村部關于印發(fā)《生豬產(chǎn)能調(diào)控實施方案（暫行）》的通知[EB]. 農(nóng)業(yè)農(nóng)村部, 2021.

Ministry of Agriculture and Rural Affairs. Notice of the Ministry of Agriculture and Rural Affairs on Issuing the Implementation Plan for Capacity Regulation of Pig Production (Interim) [EB]. Ministry of Agriculture and Rural Affairs, 2021.

[10] Holst C, Von Cramon-Taubadel S. International synchronization of the pork cycle[J]. Acta Oeconomica et Informatica, 2012, 15(1): 18-23.

[11] Benesty J, Chen J, Huang Y, et al. Pearson Correlation Coefficient[M]. Noise Reduction in Speech Processing. Springer, Berlin, Heidelberg, 2009: 1-4.

[12] 李雙晶. 豬肉供需平衡調(diào)控模型及其應用研究[D]. 哈爾濱: 東北農(nóng)業(yè)大學, 2016.

Li S J. Research on Control Model of pork Supply and Demand Co-ordination and Application[D]. Harbin: Northeast Agricultural University, 2016.

[13] Cleveland R B, Cleveland W S, McRae J E, et al. STL: A Seasonal- trend Decomposition[J]. Journal of Official Statistics, 1990, 6(1): 3-73.

[14] Gale D. The Law of supply and demand[J]. Mathematica Scandinavica, 1955: 155-169.

[15] Bal-Prylypko L, Nikolaenko M, Stepasyuk L, et al. Forecasting the sale price of pork in agricultural enterprises[J]. Agricultural and Resource Economics: International Scientific E-Journal, 2022, 8(4): 170-187.

Exploration and Application of Big Data Technology in Pork Price Prediction and Regulation

JIN Yuze1, JIA Xinwei2, LAI Wangfeng1, ZHOU Hongli1, CHEN Naihe1, LI Tao2*

1. Digital China Information Service Company Ltd., Beijing 100080, China; 2. Information Center, Ministry of Agriculture and Rural Affairs, Beijing 100125, China

China is a country of large hog production and pork consumption. Fluctuations in pork prices directly affect the interests of hog farmers and residents' diets. Prediction of the future trend of pork prices and scientific control of pork prices plays an important and practical role in promoting the stable and healthy operation of hogs and pork industry of China. This article studies the national pork market price trend. Firstly, pork supply prediction model based on the number of live hog and breeding sows is built according to the biological cycle and continuity features of hog production, which can predict pork production in the next 10 months. Secondly, taking advantage of the obvious seasonal cycle fluctuations in pork demand caused by my country's pork consumption habits, the STL time series decomposition method is used to decompose the monthly seasonal fluctuation trend from the pork transaction data to predict the monthly pork demand. Thirdly, based on the law of supply and demand in the pricing model, the relationship model of the pork price and the ratio between pork supply and demand is constructed to predict pork price in the next 10 months and calculate the price of pork supply and demand equilibrium. The relative error of pork price prediction is about 10% by using pork-related data from the Agricultural Products Market Information Platform system of the Ministry of Agriculture and Rural Affairs in 2022. When the estimated future pork supply and demand deviates, the model can adjust the pork supply by regulating the number of breeding sows, the import volume and the delivery volume, thereby regulating the future pork price trend. This study provides ideas and methods to adjust future pork price trends by adjusting the core factors that affect pork supply. This study aims to assist relevant government departments in properly and timely regulation of pork supply on the basis of scientifically predicting pork supply and demand and future price trends, so as to balance the supply and demand of pork and maintain the price of pork within a reasonable range of balanced supply and demand.

Supply forecasting; Demand forecasting; Equilibrium of supply and demand; Pork price forecasting and regulation

金語澤, 賈昕為, 賴望峰, 等. 大數(shù)據(jù)技術在豬肉價格預測與調(diào)控上的探索與應用[J]. 農(nóng)業(yè)大數(shù)據(jù)學報, 2023, 5(1):126-134.

JIN Yuze, JIA Xinwei, LAI Wangfeng, et al. Exploration and application of big data technology in pork price prediction and regulation[J]. Journal of Agricultural Big Data,2023,5(1): 126-134.

10.19788/j.issn.2096-6369.230121

2022-07-05

第一作者金語澤，女，碩士，工程師，研究方向：人工智能、數(shù)據(jù)挖掘; E-mail: jinyzd@dcits.com。通信作者李濤，男，高級工程師，研究方向：農(nóng)業(yè)信息化；E-mail: litao@agri.gov.cn。