基于SSA-LSTM-Attention模型的水果价格预测研究

杨 丽, 方 刚
重庆三峡科技大学

摘要


水果价格受季节、气象、供需及相关品类行情影响，具有明显的非线性和时序波动特征。为提高预测精度，
本文采用SSA-LSTM-Attention模型对沃柑和葡萄价格进行预测。该模型利用LSTM提取时间依赖关系，引入注意力
机制增强关键历史信息识别能力，并通过麻雀搜索算法优化模型参数。实验结果表明，所提模型在两类水果价格预
测中均表现较好，其中沃柑预测MAPE为3.33%、R2
为0.88，葡萄预测MAPE为5.14%、R2
为0.82，可为水果价格走
势分析提供参考。

关键词


水果价格预测；LSTM；麻雀搜索算法；注意力机制

全文:

PDF


参考


[1]胡杨，张朝阳.基于ARIMA模型的河北省玉米价

格预测[J].农业与技术，2020，40（23）：149-152.

[2]顾聪，东梅.基于ARIMA-GARCH模型的中国

大豆价格分析与预测[J].中国物价，2021，（12）：89-91.

[3]杨 静， 张 大 斌， 方 洁 凤， 等.基 于 优 化EEMD

和支持向量机的国内大豆价格预测[J].广东农业科学，

2019，46（11）：134-140.

[4]王哲.基于随机森林算法的葡萄价格预测研究[D].

华北水利水电大学，2024.

[5]郑佳宁.基于ARIMA和LSTM的混合模型在蔬菜

价格预测中的应用[D].东北财经大学，2020.

[6]刘鹏.基于LSTM-Attention的混合模型在金融风险

预测中的应用[J].信息与电脑，2025，37（13）：43-45.

[7]王旭晖.基于SSA优化长短期记忆神经网络的大

蒜价格预测和风险评估[D].山东农业大学，2024.


Refbacks

  • 当前没有refback。