《表2 各种方法的预测结果评价表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于EMD与SVM的中药材三七价格预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了进一步验证EMD与SVM组合模型的优越性，将其与BP神经网络模型、单纯SVM模型及ARIMA模型进行比较。经前期的自相关、偏相关分析以及BIC信息量统计，得到ARIMA算法的最佳模型为ARIMA（3，1，1）。采用相同的训练数据集与验证数据集，经多次试凑实验，最终确立的BP神经网络算法的较优预测模型为输入层3个神经元、隐含层6个神经元、输出层1个神经元。输入层与隐层之间选用sigmoid函数f（x）=1/（1+e-x）作为传递函数，学习率为0.3。各种方法对2017年9月到2018年5月间40头规格三七的价格推算结果如图4所示，各种方法的预测评价指标见表2。可知，EMD与SVM组合模型的2项预测误差指标均低于其他单一模型，BP神经网络模型、EMD与SVM组合模型均能对价格突变拐点做出响应，但BP神经网络模型精度较差，单纯SVM模型与ARIMA模型在稳定期的预测相对较好，但对价格突变拐点无法及时响应。