【农产品价格预测系统设计与实现】奶茶店销售收入预测表

　　摘要：根据农业价格指数构建了农产品价格数据仓库，充分利用长期积累的大量反映价格指标的历史和现在数据资源，并结合径向基函数（ＲＢＦ）人工神经网络建模，揭示农产品价格与畜牧业、林业与渔业等相关因素价格的动态关系模型。结果表明该模型能够很好地预测以白菜为例的农产品价格，实现农产品区域供求平衡，并为政府和农户提供结构调整的依据。
　　关键词：农产品；数据仓库；价格预测；ＲＢＦ神经网络。
　　中图分类号：Ｆ３２３．７；ＴＰ３６８．１文献标识码：Ａ文章编号：0439－８114（２０11）14－2976-03
　　
　　Ｄｅｓｉｇｎ ａｎｄ Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ ｏｆ Ｐｒｏｄｕｃｅ Ｐｒｉｃｅ Ｆｏｒｅｃａｓｔ Ｓｙｓｔｅｍ
　　
　　ＬＩ Ｙａｎ１，ＬＩＵ Ｊｕｎ２
　　（１．Ｃｏｌｌｅｇｅ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｓｈａｎｄｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ， Ｚｉｂｏ ２５５０４９，Ｓｈａｎｄｏｎｇ，Ｃｈｉｎａ；
　　２．Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｍｐｕｔｅｒ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ， Ｎａｎｙａｎｇ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｎａｎｙａｎｇ ４７３０６１，Ｈｅｎａｎ，Ｃｈｉｎａ）
　　
　　Abstract: Farm produce price data warehouse was established according to the agriculture price indices. The dynamic relationship model of farm produce price with stock rising, forestry and fishery was built based on the numerous accumulated history and present data resources which could reveal the price indices combining with RBF neural network modeling. The result proved that the model could simulate and forecast the price trend of cabbage correctly, providing an important method for the accurate forecast of agricultural product market information.
　　Ｋｅｙ ｗｏｒｄｓ： ａｇｒｉｃｕｌｔｕｒａｌ ｐｒｏｄｕｃｔｓ； ｄａｔａ ｗａｒｅｈｏｕｓｅ； ｐｒｉｃｅ ｆｏｒｅｃａｓｔ； ＲＢＦ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ
　　
　　在我国目前以市场为先导的情况下，农业产品市场将面临着越来越严酷的竞争形势。为此，地方政府和农户必须在制定明确的农业产品指标计划的前提下，根据现实资源的状况，组织农业生产。农产品价格数据对于指导农产品生产以及调整农业结构具有重要意义，因此使用农产品的历史价格数据对未来价格趋势进行有效地预测显得尤为重要。农产品价格与畜牧业、林业与渔业等相关因素之间存在着复杂的线性、非线性关系和交互作用，自变量和因变量是纯粹的离散数据，无法用数学公式来表示。
　　因此，必须找到一种适应这种自变量和因变量的特性、反映它们之间关系的模型，将给农业管理部门和农户提供有效的价格预测和决策支持。针对上述问题，本研究提出构建农业信息数据仓库，并结合径向基函数（Radial basis function，RBF）人工神经网络建模对农产品价格进行预测。
　　１构建农产品数据仓库
　　构建农产品信息数据仓库主要涉及数据的清理和集成，它是数据挖掘的一个重要的预处理步骤，即农产品价格预测提供数据环境［２］。
　　数据模型是数据仓库设计的基础。数据模型是对现实世界进行抽象的工具，抽象的程度不同，就形成了不同抽象级别层次上的数据模型。在数据仓库设计中存在三层数据模型如图１所示，即概念模型、逻辑模型和物理模型。但数据仓库的数据模型与操作型数据库数据模型有一定的区别，主要表现在：数据仓库中的数据模型不包括纯操作型的数据；数据仓库中的数据模型扩充了码结构，增加了时间属性作为码的一部分；数据仓库中的数据模型增加了导出数据。这三点差别是数据仓库作为面向数据分析处理所要求的。
　　１．１概念模型设计
　　概念模型是决策信息由具体到抽象的第一步，它是一个为决策目标设计系统和收集信息而服务的概念性工具，它是由客观世界到计算机实现的中间层次。
　　１．１．１决策需求分析农产品价格预测系统是以农产品历史和现在的市场数据为基础，通过分析它们之间的相关关系，建立数学模型，并通过一定的定性分析，实现农产品价格预测的最佳值。因此，建立农产品数据仓库的目的是为决策支持系统提供数据，具体地说，就是为数据挖掘提供分析数据。
　　１．１．２支持决策的数据需求分析数据仓库的开发过程如图１所示，所研究的农产品价格预测系统是以数据为驱动的。数据仓库是面向主题的，针对农产品价格预测系统的要求，支持决策的数据需求分析主要从不同的角度为农业人员提供农业产品的生产、销售、库存的信息，使管理者全面、及时、准确地掌握成本、价格、市场需求等基础数据。
　　
　　
　　
　　
　　
　　
　　１．２逻辑模型设计
　　逻辑模型是概念模型和物理模型之间的桥梁。农产品数据仓库是建立在关系数据库的基础上，所以，数据仓库设计过程所采用的逻辑模型主要是关系模型。根据农产品数据仓库的需求，数据仓库模型采用星型架构。星型架构包括两个逻辑实体：事实数据表、维度表。农产品价格事实数据表与维度表之间的星型架构数据模型如图２所示。
　　１．２．１事实数据表每个数据仓库或数据集市都包括一个或多个事实数据表。星型架构的中心是一个事实数据表，用以捕获衡量单位业务运作的数据。事实数据表中包含的数据随着时间的推移会变得十分庞大，是数据分析的中心。
　　１．２．２维度表与指标事实数据表相比，维度表是一个小得多的实体，维度表包含描述事实数据表中的事实记录的特性。
　　１．３物理模型设计
　　物理模型是逻辑模型在数据仓库中的实现模式，是逻辑模型的软件实现过程。
　　１．３．１数据仓库实现平台研究采用的是Ｍｉｃｒｏsｏｆｔ公司的ＳＱＬ－Ｓｅｒｖｅｒ２０００。ＳＱＬ－Ｓｅｒｖｅｒ２０００具有强大的后台支持功能，是理想的Ｃ／Ｓ结构的后台开发工具。
　　１．３．２数据结构类型数据结构合理与否将直接影响到数据仓库的工作效率。数据仓库中的数据结构有两方面的含义：一是数据表设计中的字段属性设置（数据属性、长度、空值等），合理的字段属性设置将会提高数据仓库的操作速度和性能；另一个是数据仓库中数据的非规范化处理，如：填加字段、细节数据的概化等。
　　１．３．３数据存放位置合理的存放位置对提高数据仓库操作性是至关重要的。数据仓库的存放原则主要有：把共享的数据表存放在服务器上；从数据安全的角度出发，把整个企业的细节数据存放在客户机或服务器上；不要把经常连接的表放在同一设备上；不要把数据表和索引放在同一个设备上。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文 　　
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　２基于ＲＢＦ神经网络的农产品价格预测
　　２．１ＲＢＦ神经网络
　　ＲＢＦ神经网络是由Ｍｏｏｄｙ和Ｄａｒｋｅｎ于２０世纪８０年代末提出的，网络中的神经元是分层排列的，每个神经元只与前一层神经元相连，共分为三层（图３）。它是由三部分组成的前馈式网络：第一部分是输入层，由信号源节点组成；第二部分是隐含层，一般采用高斯函数作为其节点的基函数；第三部分是输出层，神经元采用线性传递函数。ＲＢＦ神经网络模拟了人脑中局部调整、相互覆盖接受域的神经网络结构，因此具有较强的局部逼近特性。
　　
　　
　　
　　
　　
　　
　　２．２ＲＢＦ神经网络在农产品价格预测中的应用
　　２．２．１模型建立选取某市２００７～２００９年共3年的农产品市场价格数据作为训练样，２００８年下半年月报表数据如表１所示，进行自适应ＲＢＦ神经网络训练。所谓自适应ＲＢＦ网络是指：最初ＲＢＦ网络只有一个隐神经元，每训练一次，网络就增加一个隐神经元，直到满足训练误差要求为止。这样就能够产生一个最小化的ＲＢＦ网络。利用Ｍａｔｌａｂ软件编程对网络进行训练，经过训练，网络误差将达到理想要求即网络总误差不大于０．００５。
　　
　　
　　
　　
　　
　　
　　
　　
　　
　　２．２．２ＲＢＦ预测检验利用训练好的网络对２００９年上半年白菜价格进行预测检验，将这６个月的实际农产品数据输入网络，得到预测值（见表２）。由预测结果可知，采用RBF神经网络模型预测白菜价格，其误差均小于０．３％，这充分说明ＲＢＦ网络模型具有较高的预测精度，模型的泛化能力较好，可用于农产品价格的预测。
　　３结论
　　提出了构建农产品数据仓库，并将ＲＢＦ神经网络模型应用到农产品价格预测中。采用ＲＢＦ神经网络模型对农业领域中的产品价格数据进行短期预测并取得了良好的预测效果。试验表明该模型可以为农产品生产与流通提供重要的数据指导。应当指出的是，影响一个地区的农产品价格的因素很多，诸如供求、当地收入水平、饮食习惯、天气变化、国家宏观经济调控及相关政策的影响等，这些因素将对未来时期农产品的价格趋势造成很大影响，因此建议对已经建立模型，通过数据仓库的更新数据来修正ＲＢＦ模型，从而使模型具有更好的预测性。
　　参考文献：
　　［１］ 范隽，雷英杰． 基于ＲＢＦ神经网络的空战威胁评估［Ｊ］． 微计算机信息，２００８（２１）：２０３－２０４．
　　［２］ 国涓，李会敏． 我国农产品价格波动的影响趋势分析［Ｊ］． 沈阳农业大学学报（社会科学版），２００７，９（２）：１４４－１４７．
　　［３］ 林建永，赵瑾璐． 农产品价格波动的非典型因素探析［Ｊ］. 理论探索，２００９（５）：７３－７５．
　　［４］ 徐兰芳． 数据仓库的访问控制策略研究［Ｊ］． 计算机应用与软件，２００７，２４（１２）：３４－３５，５９．
　　［５］ 梁佳，刘东英． 中国农产品流通体制变革的动因与趋势［Ｊ］． 中国农学通报，２０１０，２６（２０）：４１７－４２２．
　　
　　注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文