基于 TCN-MLP-Attention 架构的鳄梨价格预测
机器学习
2025-05-16 v1 人工智能
计算工程、金融与科学
摘要
随着健康食品需求的增长，农产品价格预测变得越来越重要。鳄梨作为高价值作物，价格波动受季节性、地区和天气等因素影响显著。传统预测模型常在处理高度非线性和动态数据时表现不佳。为此，我们提出一种混合深度学习模型——TCN-MLP-Attention 架构，结合 Temporal 卷积网络 (TCN) 进行序列特征提取、Multi-Layer 感知机 (MLP) 处理非线性相互作用，以及注意力机制进行动态特征加权。所用数据集涵盖 2015-2018 年美国超过 5 万条的鳄梨销售记录，包含销量、平均价格、时间、地区、天气和品种类型等变量，来自零售点销售系统和鳄梨委员会。经过系统的预处理，包括缺失值填补和特征归一化后，对模型进行训练和评估。实验结果表明，TCN-MLP-Attention 模型取得优异的预测性能，RMSE 为 1.23，MSE 为 1.51，优于传统方法。该研究提供了一种可扩展且高效的农业市场时间序列预测方法，为智能供应链管理和价格策略优化提供了宝贵见解。
引用
@article{arxiv.2505.09907,
title = {Avocado Price Prediction Using a Hybrid Deep Learning Model: TCN-MLP-Attention Architecture},
author = {Linwei Zhang and LuFeng and Ruijia Liang},
journal= {arXiv preprint arXiv:2505.09907},
year = {2025}
}