参数优化支持向量机的人参价格预测模型

J4 ›› 2012, Vol. 30 ›› Issue (2): 218-222.

• 论文 • 上一篇

参数优化支持向量机的人参价格预测模型

马建华^1a|张星奇²|张辉^1b

1.吉林铁路职业技术学院 a.铁道工程系；b.电气工程系|吉林吉林132002;2.吉林大学生命科学学院,长春 130012

收稿日期:2011-10-29 出版日期:2012-03-28 发布日期:2012-04-19
作者简介:马建华（1972—）|男|吉林省吉林市人|吉林铁路职业技术学院副教授|主要从事电气自动化教学与研究|（Tel)86-13704424400(E-mail)ma-jianhua2001@sina.com。

Ginseng Price |Prediction Model Based on Support Vector Machine and Particle Swarm Optimization

MA Jian-hua^1a,ZHANG Xing-qi²,ZHANG Hui^1b

1a.Department of Railway Engineering;1b.Department of Electrical Engineering,Jilin |Railway Career Technical College,Jilin 132002,China;2.College of Life Science,Jilin |University|Changchun 130012,China

Received:2011-10-29 Online:2012-03-28 Published:2012-04-19

摘要/Abstract

摘要：

为了对人参价格进行预测，分析了影响人参价格因素，通过K-fold交叉验证方法，利用粒子群算法对支持向量机的惩罚参数c和g_gamma值进行寻优，建立起2010年1月~2011
年12月林下参的价格预测模型。利用粒子群算法优化惩罚参数c为3.6974，利用radial basis function核函数的SVM（Support Vector Machine）对预测集1的预测相关系数为97.316%。

关键词: 支持向量机, 粒子群算法, 人参价格

Abstract:

Through the analysis of the influence of ginseng price factors,we predict the ginseng price.We applied K-fold cross-validation method,utilized the PSO (Particle Swarm Optimization) to reach the optimum of penalty parameter c and value of g_gamma,and built the forecast model of the ginseng price from January 2010 to December 2011.The optimized value by PSO for penalty parameter c is 3.6974,the prediction correlation coefficient for prediction set 1 by the SVM(Support Vector Machine)of radial basis kernel function is 97.316%,the results are satisfactory,and we can predict ginseng price from January to June 2012 with this model.

Key words: support vector machine, particle swarm optimization, ginseng prices

中图分类号:

TP273

马建华|张星奇|张辉. 参数优化支持向量机的人参价格预测模型[J]. J4, 2012, 30(2): 218-222.

MA Jian-hua,ZHANG Xing-qi,ZHANG Hui. Ginseng Price |Prediction Model Based on Support Vector Machine and Particle Swarm Optimization[J]. J4, 2012, 30(2): 218-222.

[1]	申永化, 刘晓静, 詹耀晖, 邢胜男. 基于 QPSO 算法的配电网储能容量优化配置方法 [J]. 吉林大学学报(信息科学版), 2026, 44(2): 481-487.
[2]	王冬梅, 宋南南, 张丹, 王鹏, 路敬祎. 基于 AOA-SVM 的数字孪生管道泄漏识别模型 [J]. 吉林大学学报(信息科学版), 2025, 43(5): 937-943.
[3]	张科星, 何江. 基于改进支持向量机的动态多点手势动作识别方法[J]. 吉林大学学报(信息科学版), 2025, 43(3): 583-590.
[4]	田丰. 基于粒子群算法的钻孔轨迹测量误差校正方法[J]. 吉林大学学报(信息科学版), 2025, 43(1): 173-179.
[5]	许爱华, 王智煜, 贾皓天, 袁文俊 . 基于PSO-GWO算法的局部阴影光伏MPPT[J]. 吉林大学学报(信息科学版), 2024, 42(5): 781-789.
[6]	曹敬馨, 刘洲洲. 移动网络隐私信息库未知访问源安全性预警[J]. 吉林大学学报(信息科学版), 2024, 42(4): 733-739.
[7]	蒋大锐, 徐胜超 . 基于改进 PSO-Means 算法的大数据聚类处理方法 [J]. 吉林大学学报(信息科学版), 2024, 42(3): 430-437.
[8]	魏亚明, 孟媛. 基于随机森林模型的不平衡大数据分类算法 [J]. 吉林大学学报(信息科学版), 2023, 41(6): 1079-1085.
[9]	王娜, 李劲松, 潘子尧, 姚明海. 基于支持向量机的学位预警方法研究[J]. 吉林大学学报(信息科学版), 2023, 41(5): 903-907.
[10]	戴泽淼. 基于 QPSO-LightGBM 网络资产脆弱性评估模型 [J]. 吉林大学学报(信息科学版), 2023, 41(4): 667-675.
[11]	蔡茂, 刘芳. 基于细粒度图像分类算法的新冠 CT 图像分类[J]. 吉林大学学报(信息科学版), 2023, 41(4): 676-684.
[12]	邓昊原, 张爽, 陈曙东. 基于瞬变电磁探测的未爆弹分类研究[J]. 吉林大学学报(信息科学版), 2023, 41(2): 265-271.
[13]	宋红毅. 基于自适应投影的三维人体运动图像智能检测[J]. 吉林大学学报(信息科学版), 2023, 41(1): 151-157.
[14]	李倩, 付光杰. 基于混沌-懒蚂蚁 SVM 的抽油机故障识别[J]. 吉林大学学报(信息科学版), 2023, 41(1): 138-144.
[15]	陈满, 王树彪, 秦涛, 毛祯, 童瑶. 太阳能风能互补储能发电系统容量优化算法[J]. 吉林大学学报(信息科学版), 2022, 40(4): 677-683.

参数优化支持向量机的人参价格预测模型

Ginseng Price |Prediction Model Based on Support Vector Machine and Particle Swarm Optimization

赞

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10