农产品价格预测及软件设计

农产品价格预测及软件设计BYContents项目介绍前期工作数据展示工作计划致谢项目介绍通过对市场某农产品的价格样本的采集和分析建立价格波动的模型再进行编程最后得出能进行价格预测的软件BACK前期工作数据采集通过各种途径获得较长一段时间内某农产品每日价格模型确立通过对数据的观察和分析找到合适的模型BACK模型选择经过基本分析和整理数据后选择ARIMA时序模型农产品的价格呈现季节性波动趋势，具有季节变化规律而时间序列分析可以根据事物从过去到现在的演变过程，从中找出定量演变规律，并依据演变规律进行预测。利用时序模型可以无需知道影响效应指标的因果关系，根据效应指标过去的变化规律来建立模型，在系统动态性较强的情况下，时序分析模型可以达到事半功倍的功效BACK模型选择模型基本原理ARIMA模型可表示为ARIMA(p,d,f)，其中p、q为自回归部分和滑动平均部分的阶数，d为差分阶数。对任意n=1,2,3,···,t1,t2,···tn∈T和任意实数h,当t1+h,t2+h…tn+h∈T时，随机变量表示为X(t1)，X(t2)，⋯X(tn)和X(t1+h)，X(t2+h)，⋯，X(tn+h)，数学上纯ARIMA模型为wt=μ+θ(B)φ(B)-1εt,其中t为时间指标，W,为随机变量X,或者X:转换后的数据序列，产为均值项，B为后移因子，即BXt=Xt-1,θ(B)为滑动平均算子，φ(B)为自回归算子，εt为独立扰动，即随机误差模型选择ARIMA模型充分考虑了不同时期的原始数据和既往预测误差对将来值影响的方向及大小，能很好地预测时鲜农产品价格。结果表明，ARIMA(0,1,1),(0,1,1)模型有比较高的拟合精度，这为进一步预测时鲜农产品价格提供了依据。利用Eviews软件进行模型诊断和预测检验采用时间序列ARIMA(0,1,1)(0,1,1)预测农产品价格变化趋势是可行的。BACK关于模型注意应当说明，影响一个地区的农产品价格的因素很多，诸如供求、当地居民收人水平、饮食习惯、国家宏观经济调控及相关政策的影响等，这些因素将对未来时期农产品的发展造成很大的影响，同时也将通过影响需求而间接影响农产品价格和农产品市场的发展。。采用时间序列ARIMA(0,1,1),(0,1,1)主要以历史数据为出发点，通过拟合历史发展趋势来描绘未来的状况，其外推的结果难以准确预测这些政策因素造成的“转折点”。因此，已经建立的时间序列模型，必须以新的观测值来验证，并在现有基础上通过不断加入新的观察值来修正或重新拟合ARIMA模型，从而使模型具有更好的预测性。数据展示我们选取番茄作为样本原文件BACK数据展示对09年全年的价格数据进行了采集原文件后期工作计划数据分析处理编程及其实现选择利用JAVA程序实现以时间分类输入农产品价格返回不同的值直接用返回值调用JAVA里面的类库函数画图BACKThankyouforyourattention!BACK