[发明专利]一种农产品价格预测方法及装置

权利要求书

1.一种农产品价格预测方法，其特征在于，包括：

获得第一类型农产品的M个价格预测样本，M至少为百数量级；

通过VMD变分模态分解将所述M个价格预测样本分解为k个具有不同振动频率特征的价格VM变分模态分量，其中，k为大于1的整数；

输入所述k个价格VM分量至经过萤火虫算法优化的SVM预测模型中进行预测，以预测到与所述k个价格VM分量对应的k个VM分量预测值；

将所述k个VM分量预测值线性叠加，以得到对所述第一类型农产品的价格预测值。

2.如权利要求1所述的农产品价格预测方法，其特征在于，所述通过VMD变分模态分解将所述M个价格预测样本分解为k个具有不同振动频率特征的价格VM分量，包括：

步骤A1：初始化和n，其中，为所对应的傅里叶转换，为{λ¹}所对应的傅里叶转换，为初始化后中心频率，u_k表示模态函数，λ为拉格朗日乘法算子，n代表迭代次数；

步骤A2：根据如下公式更新模态函数u_k：

${\widehat{\mathrm{\μ}}}_k^{n+1}\left(\mathrm{\ω}\right)=\frac{\hat{f}\left(\mathrm{\ω}\right)-\underset{i\≠k}{\mathrm{\Σ}}\widehat{\mathrm{\μ}}\left(\mathrm{\ω}\right)+\frac{\widehat{\mathrm{\λ}}\left(\mathrm{\ω}\right)}{2}}{1+2\mathrm{\α}{(\mathrm{\ω}-{\mathrm{\ω}}_k)}^2},$

以及根据如下公式更新中心频率ω_k：

${\mathrm{\ω}}_k^{n+1}=\frac{{\∫}_0^{\mathrm{\∞}}\mathrm{\ω}{\left|{\hat{y}}_k^{n+1}\left(\mathrm{\ω}\right)\right|}^{2}d\mathrm{\ω}}{{\∫}_0^{\mathrm{\∞}}{\left|{\hat{y}}_k^{n+1}\left(\mathrm{\ω}\right)\right|}^{2}d\mathrm{\ω}},$

其中，为当前剩余量的维纳滤波，为当前模态函数功率谱的重心，对应为f(t)、u_i(t)、λ(t)、的傅里叶转换，f(t)为所述价格预测样本，u_i(t)为第i个模态函数，λ(t)表示拉格朗日乘法算子，为u_k经过n+1次迭代后的值，1≤i≤k；

步骤A3：根据如下公式更新λ；

${\widehat{\mathrm{\λ}}}^{n+1}\left(\mathrm{\ω}\right)\←{\widehat{\mathrm{\λ}}}^n\left(\mathrm{\ω}\right)+\mathrm{\τ}\[\hat{f}\left(\mathrm{\ω}\right)-\underset{1}{\overset{k}{\mathrm{\Σ}}}{\widehat{\mathrm{\μ}}}_k^{n+1}\left(\mathrm{\ω}\right)\],$

其中，为λ(ω)经过n次迭代后的傅里叶转换，τ为更新系数；

步骤A4：若则停止迭代，并将u_k的输出作为k个价格VM分量，否则返回步骤A2。