基于BP神经网络、ARIMA和LS-SVM模型的集成预测研究——1978-2017年陕西省苹果产量实证

利用单一预测模型进行产量预测时,由于各模型的数学原理不同,对同一数据的处理只能基于数据的部分特征,在预测时无法深度挖掘数据的潜在规律,易出现较大的预测偏差.基于以上问题,笔者以1978-2017 年陕西省苹果产量数据为研究对象,将1978-2012年产量作为预测模型的训练数据,2013-2017 年产量作为测试数据,选取BP神经网络、ARIMA、LS-SVM3种在数学原理上具有明显差异的预测模型,采用集成预测策略,依据3 种预测模型对训练数据的平均相对预测误差确定各模型的预测权重,最终对各模型预测的2013-2017年数据进行加权获取集成预测值.实证分析表明,集成预测值的平均相对误差在2.5％以内,其预测结果比单一预测模型更加准确和稳健,可有效实现苹果产量高精度预测.