融合机器学习算法和多因素的禽肉交易量预测方法研究

摘要：

[目的]为强化畜禽业生产决策和政策引导的科学性、前瞻性,有效预测多变量影响下的禽肉市场变化趋势.[方法]以白条鸡为例,综合考虑多重因素对白条鸡交易量的影响,提取50个可能与白条鸡交易量预测有关的变量作为数据特征,对比当前主流的机器学习算法,探索性地提出一种基于机器学习的白条鸡日均交易量预测方法,对禽肉产品供需能力进行量化预测.[结果]ElasticNet、RandomForest和GBRT三个算法预测效果均较为稳定,预测效果从优至劣依次为:GBRT、RandomForest、ElasticNet(MAE分别为:25.30、26.67、28.21);随着时间积累和训练样本数量增加,白条鸡日均交易量预测效果逐步提高;三种算法均具备提前三期的稳定预测效果.[局限]本文采用的数据特征种类和历史数据量较少,且对行业的专业认识较浅.[结论]本研究对于量化评估、预测重大突发事件对产业产值的影响具有借鉴意义,有望为政府部门预判产业危机、制定产业调控政策提供理论数据支撑.

关键词：预测方法、机器学习、白条鸡

所属期刊栏目：4

分类号：TP393(计算技术、计算机技术)

资助基金：本文系国家社会科学基金青年项目“使用大数据方法开展社会政策评估的探索性研究”;山东省政府采购项目“山东省数字政府创新能力提升建设”

在线出版日期：2020-10-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：18-27