基于深度学习的玉米和大豆期货价格智能预测

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》

许钰林 康孟珍 王秀娟 华净 王浩宇 沈震

摘要： 玉米和大豆为同季旱粮作物，争地矛盾十分突出，同时掌握玉米和大豆两者的价格是必要的。 相较于现货，农产品期货价格具有价格发现功能。因此，玉米和大豆期货价格分析和预测对种植结构调整 和农户作物品种选择均具有重要意义。本研究首先分析了玉米和大豆期货价格的相关性，通过相关性计算 和格兰杰因果检验，发现玉米和大豆期货具有较强的正向相关性，且大豆期货价格是玉米期货价格的格兰杰 原因; 其次，基于长短时记忆（Long Short-Term Memory，LSTM） 模型对玉米和大豆期货价格进行预测，并 引入注意力机制（Attention） 对期货价格预测模型行优化。对比结果表明，与差分整合移动平均自回归模型 （Autoregressive Integrated Moving Average Model，ARIMA） 和支持向量回归模型（Support Vector Regression， SVR） 相比，LSTM模型在各项指标中均为更优，而与单一的LSTM模型相比，加入Attention机制的Atten⁃ tion-LSTM模型在各项指标中均更优。其中，玉米和大豆期货预测结果的平均绝对误差（Mean Absolute Er⁃ ror，MAE） 分别提升3.8%和3.3%，均方根误差（Root Mean Square Error，RMSE） 分别提升0.6%和1.8%， 平均绝对百分误差（Mean Absolute Percentage Error，MAPE） 分别提升4.8%和2.9%，证明了Attention机制的 加入可以帮助模型提取有效信息，提升性能。最后，使用LSTM模型结合大豆期货历史价格共同预测玉米期 货价格，MAE提升了6.9%、RMSE提升了1.1%、MAPE提升了5.3%。试验结果表明，本研究使用Attention- LSTM模型对玉米和大豆期货价格进行预测，相较于通用预测模型，Attention-LSTM模型能够提高大豆和玉 米期货价格预测精度，且结合相关农产品期货价格数据，可以提升单个农产品期货模型的预测性能。

 点击量 1853  下载量 264  评论