基于Dropout神经网络的农产品价格预测研究

张荣臻 胡坚

摘要：本文探究了Dropout神经网络在农产品价格预测的应用，改进预测效果。实验表明，同等网络结构情况下，Dropout神经网络的农产品价格预测优于普通神经网络。

关键词：价格预测;Dropout;神经网络

中图分类号：TP391.41 文献标识码：A 文章编号：1007-9416（2018）11-0049-01

随着计量经济学方法在农产品价格预测领域的逐渐推广与应用，定量研究方法逐渐居于主导地位。定量分析方法是借助一定的数学方法，将历史统计数据进行加工整理，揭示变量与变量么间的规律性联系[1]。对农产品价格进行预测的方法很多，主要包括：回归分析方法、时间序列预测法、组合预测方法、智能预测方法、集成预测方法等[2]。不同的预测方法各有其优缺点，但是随着神经网络技术的发展，特别是深度学习的发展，使用神经网络模型进行预测成为一种性能较高的方法。传统的神经网络规模较小，预测精度不容易达到要求，所以扩大神经网络规模是提升精度的一个有效途径。但是农产品价格数据的数据规模通常较小，在这种情况下训练一个大型的神经网络，通常很容易引起过拟合，即在测试集上的精度很低。本文探究了Dropout神经网络模型在农产品价格预测方面的应用效果，以期找到提升农产品价格预测准确率的一种新方法。

1 研究方法

1.1 Dropout神经网络原理

深度神经网络的训练中，需要去克服的两大缺点：容易过拟合、训练时间长。根据Geoffrey E.Hinton的研究，Dropout可以比较有效的缓解过拟合的发生，同时也减少了模型训练的时间。图1（a）所示描述了一个普通神经网络的结构，图1（b）所示描述了一个Dropout神经网络的结构。

对比图中的两种神经网络，Dropout神经网络在每轮网络训练的过程中会随机（临时）删掉网络中一部分的隐藏神经元，图1（b）中虚线节点表示临时被删除的神经元，根据临时的神经网络进行前向传播和修正权重w。通过Dropout方法训练出来的神经网络，由于神经元节点减少权重w会被放大。而在预测阶段需要用到所有神经元，所以权重w需要乘以删除节点的概率p，以保障预测的效果。

1.2 模型设计

农产品价格波动性强，浅层的神经网络并不能很好地去拟合价格曲线，因此通过加大网络深度来进行农产品价格预测。模型一共有7层，输入层的神经元个数与输入数据的维度相对应。由于网络层数变多，模型的拟合能力增强了，使用普通的训练方法容易导致过拟合，因此采用了Dropout训练方式。

2 实验及结果评价

实验数据来源于国家统计局的全国居民消费价格指数数据，实验中选用了2009年11月到2018年10月期间的月度数据（上月为基），包含鲜菜类、粮食类、蛋类、水产品类、鲜果类等类别的价格指数数据。经处理后，保留原有数据的同时，计算出了以2009年10月各类居民消费价格为基准的数据，并以鲜菜类价格指数（2009年10月为基）作为预测目标值。其中2009年到2016年的数据作为训练样本，2017年到2018年的数据作为测试样本。

实验使用上述数据开展，分别对普通神经网络和Dropout神经网络进行训练，之后分别进行价格预测并对比预测效果。实验程序在Anaconda环境下，使用Python语言编写。

2.1 特征工程

农产品价格波动频繁，其中隐藏着周期性。因此在特征提取的时候，通过不同的时间窗口的数据提取，间接地反映数据变化规律。这里主要提取不同时间窗口内的平均值和标准差。另外保留相对数据，更加直观地反映其趋势特征。总计提取了80维的特征，如表1所示。

2.2 实验结果及分析

使用训练样本和测试样本，分别对普通神经网络和Dropout神经网络进行训练和预测。当误差控制在0.02后终止训练，使用所得的模型进行预测，得到的预测效果如图2所示。从图中可以看出，Dropout神经网络的误差更小一些，具有较优的预测精度和稳定性。

3 结语

基于Dropout神经网络的农产品价格预测模型，能较好地对农产品价格的波动做出预测。相比普通方法训练的神经网络模型，使用Dropout训练方法的预測精度有明显的提升。由于数据集规模较小，模型的训练效果受限，下一步需在较大规模的数据集上验证模型的预测效果。

参考文献

[1]任伟宏.农产品市场价格预测方法探析[J].中国农学通报，2011，（26）：209-212.

[2]牛超.农产品市场价格的集成预测方法研究[D].华中师范大学，2016.

Price Prediction of Agricultural Products Based on Dropout Neural Network

ZHANG Rong-zhen， HU Jian

（Zhejiang Institute of Economics and Trade， Hangzhou Zhejiang  310000）

Abstract：This paper explores the application of Dropout neural network in agricultural product price forecasting， improve the prediction effect. experiments show that， In the case of the same network structure， dropout neural network is superior to ordinary neural network in price forecasting of agricultural products.

Key words：price forecasting; Dropout; neural network