[发明专利]一种基于统计学习的猪肉价格波动预警方法及系统

权利要求书

1.一种基于统计学习的猪肉价格波动预警方法，其特征在于，包括以下步骤：

S1、对猪肉价格相关性数据进行采集和数据预处理；

S2、基于猪肉价格和其他因素的相关性分析，分析和挖掘出影响猪肉价格的变量，由VAR模型对数据统计性质的要求，对所研究变量利用ADF单位根检方法进行平稳性检验和协整检验；

S3、结合猪周期以及AIC、BIC最小准则确定最优阶数n，构建VAR(n)模型，由脉冲响应对猪肉价格和其他研究变量之间的动态交互作用进行脉冲响应分析；

S4、对猪肉与其他研究变量挖掘内在的关联准则，利用Apriori挖掘算法寻找各变量之间的关联关系；

S5、由关联规则相关性的可视化和量化结果，对猪肉价格与其他因素的相关性综合分析；

S6、基于S2-S5，剔除相关性、关联性较弱的变量，如豆粕、鸡蛋、鸡肉等变量，综合分析得到与猪肉价格相关性较强的变量；

S7、利用前期分析挖掘得到的相关性变量，引入存栏量等数据，纳入预测模型充当解释变量，以上述确定变量为基础划分训练数据集和测试数据集；

S8、利用前期分析得到的相关性变量，建立猪肉价格波动的预警模型，将所有变量统一转化为波动率；

S9、利用时差相关分析法建立预警指标，得到玉米价格变动率、生猪存栏量变动率、能繁母猪存栏量波动率三个先行指标；

S10、根据先行指标和猪肉价格的波动率预警阈值建立预警波动区间，确定预警规则，由建立的预警区间对各变量的异常波动进行预警；

S11、基于S9得到的先行指标，根据指标的先行期对原始数据进行修正，利用前期分析挖掘得到的相关性变量，纳入预警模型充当解释变量；

S12、将上述数据集的大部分以上划分为训练集合，其余为测试集，搭建BP神经网络模型；

S13、将S12中所述训练集合中的训练样本，输入神经网络模型，进行训练，利用弹性反向传播BP-神经网络((RPROP))模型训练得到合适的参数后对测试样本的数据进行分析，将测试样本的预测数据划分到预先确定的预警区间，同测试集合的真实值进行对比。根据对预警区间正误的判别是否正确，对测试集合进行评价；

S14、预测后续猪肉价格的波动区间，输入先行预警指标，通过所建立的BP-神经网络预测模型进行预测，得到输出变量-猪肉价格的波动率，划分到相应的警区间，对猪肉价格波动率预警分析，从而判断价格走势和市场冷热，从而判断价格走势和市场冷热。

2.根据权利要求1所述的一种基于统计学习的猪肉价格波动预警方法，其特征在于，所述步骤S2中，对猪肉价格相关因素价格分析，包括以下步骤：

1)、数据采集：活猪价格、仔猪价格、去骨带皮猪肉价格、牛肉价格、羊肉价格、鸡肉价格、鸡蛋价格、玉米价格、豆粕价格等9个变量；

2)、建模检验：平稳性检验、协整检验确定可以建立Granger相关性分析和VAR模型的建立；

3)、确立模型：根据AIC最小准则确定VAR模型阶数n；

4)、脉冲响应分析：探究模型中的变量对其他变量的冲击程度；

5)、数据挖掘利用Apriori算法分析探讨上述变量的关联性；

6)、结合上述分析综合确定9个变量中与猪肉价格相关性高的因素，剔除弱相关因素。

3.根据权利要求1所述的一种基于统计学习的猪肉价格波动预警方法，其特征在于，所述步骤S5中，根据量化分析的结果，得到部分变量与猪肉价格不构成关联关系，如鸡肉、豆粕，对此类低关联变量在后续预测中进行剔除；对存在多项关联规则的其他变量，结合前期时间序列建模分析的结果进行综合筛选。