合理预测猪肉价格对稳定生猪市场价格波动及促进猪产业的健康持续发展具有重要意义。本文深入研究了猪肉价格的影响因素,整合了29种相关价格数据。通过分析数据特征,针对Informer模型在猪肉价格数据提取方面的局限性,对Informer模型进...合理预测猪肉价格对稳定生猪市场价格波动及促进猪产业的健康持续发展具有重要意义。本文深入研究了猪肉价格的影响因素,整合了29种相关价格数据。通过分析数据特征,针对Informer模型在猪肉价格数据提取方面的局限性,对Informer模型进行改进,将自注意力机制ProbAttention更换为Synthesizer模型,引入了价格波动模块。在此基础上,本文提出了一种新的价格预测组合模型STL-Informer-ARIMA,模型结合了随机森林(Random Forest)和递归特征消除(Recursive Feature Elimination)进行特征选择,利用季节性和趋势分解法(Seasonal and Trend Decomposition Using Loess)对猪肉(白条猪)价格进行分解,采用ARIMA模型对季节项进行预测,同时针对趋势项和残差项采用改进的Informer模型进行预测。实验表明,STL-Informer-ARIMA组合模型的MSE为0.532,MAE为0.446,RMSE为0.729,MAPE为0.030,R^(2)为0.958,相较于LSTM、SVR和GRU等常用价格预测模型,本文的组合模型有效提升了猪肉价格预测的准确性和可靠性。展开更多
[目的/意义]无人智慧农场是智慧农业的重要实践模式。本研究以山东德州“吨半粮”无人智慧农场为实验场所,攻克大田智慧农场建设中的核心技术难题,探索其建设模式与服务机制。[方法]运用物联网技术,研发了智慧农场的立体感知网络,能够...[目的/意义]无人智慧农场是智慧农业的重要实践模式。本研究以山东德州“吨半粮”无人智慧农场为实验场所,攻克大田智慧农场建设中的核心技术难题,探索其建设模式与服务机制。[方法]运用物联网技术,研发了智慧农场的立体感知网络,能够高效采集并汇聚传输环境、作物长势和设备状态等关键数据。借助数据分析挖掘技术,精准提取了小麦的物候期、麦穗特征等关键表型信息。进一步结合智能农机与智能决策技术,研发了集云管控平台、智能化设备及智能农机于一体的智能控制系统。此外,依托多源数据融合、分布式计算和地理信息系统(Geographic Information System, GIS)等技术,构建了农业生产全过程智能管控平台。[结果和讨论]“吨半粮”无人智慧农场感知系统不仅提高了数据传输质量,同时可以完成麦穗、物候期等表型特征的本地分析;智能控制系统可帮助农机提升自主作业精度和灌溉、施药效率、质量,通过农业设备的改造升级实现了农场耕作、种植、管理、收获的全链条智能化管控;大数据智慧服务平台为农户提供了气象预测、灾害预警、最佳播期等农事管理服务,极大地提高了农场管理的数字化、智能化水平。实验结果表明,自组网络数据准确率保持在85%以上,无人机施药可节药55%,灌溉模型可节水20%,“济南17”和“济麦44”分别增产10.18%和7%。[结论]研究结果可为智慧农场建设提供参考和借鉴。展开更多
文摘合理预测猪肉价格对稳定生猪市场价格波动及促进猪产业的健康持续发展具有重要意义。本文深入研究了猪肉价格的影响因素,整合了29种相关价格数据。通过分析数据特征,针对Informer模型在猪肉价格数据提取方面的局限性,对Informer模型进行改进,将自注意力机制ProbAttention更换为Synthesizer模型,引入了价格波动模块。在此基础上,本文提出了一种新的价格预测组合模型STL-Informer-ARIMA,模型结合了随机森林(Random Forest)和递归特征消除(Recursive Feature Elimination)进行特征选择,利用季节性和趋势分解法(Seasonal and Trend Decomposition Using Loess)对猪肉(白条猪)价格进行分解,采用ARIMA模型对季节项进行预测,同时针对趋势项和残差项采用改进的Informer模型进行预测。实验表明,STL-Informer-ARIMA组合模型的MSE为0.532,MAE为0.446,RMSE为0.729,MAPE为0.030,R^(2)为0.958,相较于LSTM、SVR和GRU等常用价格预测模型,本文的组合模型有效提升了猪肉价格预测的准确性和可靠性。
文摘[目的/意义]无人智慧农场是智慧农业的重要实践模式。本研究以山东德州“吨半粮”无人智慧农场为实验场所,攻克大田智慧农场建设中的核心技术难题,探索其建设模式与服务机制。[方法]运用物联网技术,研发了智慧农场的立体感知网络,能够高效采集并汇聚传输环境、作物长势和设备状态等关键数据。借助数据分析挖掘技术,精准提取了小麦的物候期、麦穗特征等关键表型信息。进一步结合智能农机与智能决策技术,研发了集云管控平台、智能化设备及智能农机于一体的智能控制系统。此外,依托多源数据融合、分布式计算和地理信息系统(Geographic Information System, GIS)等技术,构建了农业生产全过程智能管控平台。[结果和讨论]“吨半粮”无人智慧农场感知系统不仅提高了数据传输质量,同时可以完成麦穗、物候期等表型特征的本地分析;智能控制系统可帮助农机提升自主作业精度和灌溉、施药效率、质量,通过农业设备的改造升级实现了农场耕作、种植、管理、收获的全链条智能化管控;大数据智慧服务平台为农户提供了气象预测、灾害预警、最佳播期等农事管理服务,极大地提高了农场管理的数字化、智能化水平。实验结果表明,自组网络数据准确率保持在85%以上,无人机施药可节药55%,灌溉模型可节水20%,“济南17”和“济麦44”分别增产10.18%和7%。[结论]研究结果可为智慧农场建设提供参考和借鉴。
