基于机器学习技术的自动化农产品价格预测系统
机器学习
2021-06-25 v1
摘要
本研究的意图是借助新颖机器学习技术研究并设计一种自动化农产品价格预测系统。由于农业商品价格历史数据量日益增长以及对准确预测价格波动的需求，解决方案已从统计方法大幅转向机器学习领域。然而，从历史数据中为预测选取合适集合仍考虑有限。另一方面，在实施机器学习技术时，寻找具有最优参数、适用于全局解、非线性并避免维数灾难的合适模型仍是最大挑战，因此亟需机器学习策略研究。在本研究中，我们提出一种基于网络的自动化系统来预测农产品价格。在两组系列实验中，比较了五种流行机器学习算法 ARIMA、SVR、Prophet、XGBoost 和 LSTM 与马来西亚大型历史数据集，并选出最优算法——平均均方误差为 0.304 的 LSTM 模型作为所提系统的预测引擎。
引用
@article{arxiv.2106.12747,
title = {Automated Agriculture Commodity Price Prediction System with Machine Learning Techniques},
author = {Zhiyuan Chen and Howe Seng Goh and Kai Ling Sin and Kelly Lim and Nicole Ka Hei Chung and Xin Yu Liew},
journal= {arXiv preprint arXiv:2106.12747},
year = {2021}
}
备注
This paper has been submitted to Advances in Science, Technology and Engineering Systems Journal