2024年 03期

摘要(Abstract)：

为了提高图神经网络算法对农产品价格预测精度，采用经验模态分解法按时间片轮转抽取农产品历史价格信号，以便对历史价格信号进行特征提取；将原始价格信号分解成多个本征模态函数及残余项，并根据本征模态函数构建样本特征；根据得到的样本特征构建价格预测图结构，将图结构输出的特征信号通过图神经网络的过渡函数和预测函数，通过不断减小损失值输出农产品价格预测结果。结果表明，经验模态分解可以对原始农产品价格信号的本征模态函数分量进行有效分解和提取，从而使经验模态分解-图神经网络算法的农产品价格预测平均绝对误差减小71.4%；相比于其他类型的预测算法，经验模态分解-图神经网络算法对4类农产品价格预测的平均绝对误差更小，最大值仅为2.465。

关键词(KeyWords)：农产品价格预测;图神经网络;经验模态分解;本征模态函数;

基金项目(Foundation): 国家自然科学基金项目(72272039)

作者(Author): 赖玉莲，马琳娟，张延林

DOI: 10.13349/j.cnki.jdxbn.20240312.003

参考文献(References)：

[1] 赵汝鹏, 王昕, 李庆国, 等. 基于系统动力学模型的山东省农业供需水优化[J]. 济南大学学报 ( 自然科学版), 2022, 36(6): 653.

[2] 刘合兵, 韩晶晶, 马新明, 等. 基于 EMD-ELM 模型的农产品价格预测研究[J]. 农业大数据学报, 2020, 2(3): 68.

[3] 王新武, 靳佩芸. 基于集合经验模态分解和自回归神经网络的陇东农产品价格预测方法[J]. 兰州工业学院学报, 2022, 29(4): 85.

[4] 李春华,李春静. GA 优化 GNNM(1,1) 的煤矿涌水量预测[J]. 水电能源科学,2011,29(2): 25.

[5] SONY S, SADHU A. Multivariate empirical mode decompositionbased structural damage localization using limited sensors [J]. Journal of Vibration and Control, 2022, 28(15 / 16): 2155.

[6] 余忠潇, 郝如江. 基于小波包分析与互补集合经验模态分解的轴承故障诊断应用[J]. 济南大学学报( 自然科学版), 2019, 33(6): 547.

[7] ADAM A M, KYEI K, MOYO S, et al. Similarities in Southern African Development Community (SADC) exchange rate markets structure: evidence from the ensemble empirical mode decomposition[J]. Journal of African Business, 2022, 23(2): 522.

[8] ZHANG H Y, LIU L, JIAO W, et al. Watershed runoff modeling through a multi-time scale approach by multivariate empirical mode decomposition (MEMD) [J]. Environmental Science and Pollution Research, 2022, 29(2): 2822.

[9] WU S W, SUN F, ZHANG W T, et al. Graph neural networks in recommender systems: a survey [ J]. ACM Computing Surveys, 2022, 55(5): 23.

[10] ZHOU J, CUI G Q, HU S D, et al. Graph neural networks: a review of methods and applications[J]. AI Open, 2020, 1: 67.

[11] WU Z H, PAN S R, CHEN F W, et al. A comprehensive survey on graph neural networks[J]. IEEE Transactions on Neural Networks and Learning Systems, 2020, 32(1): 16.

[12] ABADAL S, JAIN A, GUIRADO R, et al. Computing graph neural networks: a survey from algorithms to accelerators [J]. ACM Computing Surveys, 2021, 54(9): 24.

[13] 沈虹, 李旭, 潘琪. 基于深度学习长短期记忆神经网络的有色金属期货市场预测研究[J]. 南京理工大学学报, 2021, 45(3): 366.

[14] 商天文, 仉健维, 黄昊晨. 基于 BPNN 回归预测算法的专家数量预测模型[J]. 电信科学, 2023, 39(12): 152.

[15] ARUN M, MANIMEGALAI P. An efficient localization based on relevance vector machine with glow-worm swarm optimization for wireless sensor networks[J]. Journal of Engineering and Applied Sciences, 2018, 13(2): 406.

[16] 吉长东, 杨超, 王强. 基于 EEMD-LSTM 模型的 BDS 卫星轨道预报精度分析[J]. 大地测量与地球动力学, 2023, 43(4): 345.