⛄一、遗传算法优化SVM
1 引言
农业是国民经济的基础, 农产品市场是我国市场经济中的一个极其重要的组成部分, 而农产品价格则是农产品市场的核心。 由于农产品不同于工业品的特殊性, 农产品价格往往变化速度快、 波动幅度大, 这对于农业产业化发展、 农民收入增加及农产品市场健康稳定发展产生了不利影响。 在此情况下, 通过各种农产品价格预测方法, 对农产品价格做出准确的预测, 对于农业生产者规避市场风险, 以及政府有关部门制定相应政策、 实施宏观调控具有十分重要的意义。国内对农产品价格预测的研究起步较晚, 但预测方法呈现多样化。 总体看来, 可以分为两大类: 定性预测方法和定量预测方法。 定性预测方法由于精确性低, 主观随意性大, 在农产品价格预测领域不占 主流, 主要是作为其他预测方法的一个补充。 定量预测方法又分为传统方法和智能方法。 定量预测的传统方法一般指的是计量经济方法, 通过建立计量模型对农产品市场价格进行分析和预测 。 如 傅 如 南 等 利 用ARIMA 模型对肉鸡价格进行了预测[1]; 冀德刚等运用了计量方法中的时间序列分析技术对猪肉价格进行了预测[2]。 农产品价格预测较为流行的智能方法主要有人工神经网络、 灰色系统、 粗糙集、 遗传算法、 小波分析等。 例如, 刘书琪等运用了近年来发展较快的人工神经网络对黑龙江大豆价格进行了预测[3];王舒鸿则为了克服信息不完全的问题, 在预测鸡蛋价格时运用了灰色预测方法[4]。 但上述预测方法有一个共同的缺点,即只能得到农产品价格的点预测, 而在实际生活中,人们往往