基于BP神经网络的南北生猪价格周期性预测毕业论文.docx

基于BP神经网络的南北生猪价格周期性预测摘要：近年来，由于猪肉安全事故和供求关系等因素的影响，导致猪肉市场价格波动大，养猪业难以持续稳定发展。科学预测生猪价格周期，对科学指导生猪生产和宏观调控猪肉市场价格意义重大。根据历年数据，采用 BP 神经网络预测方法，实现在 MATLAB 中运行，通过对模型的多次训练，选择隐层神经元数目为 6 个，达到了期望效果。预测结果表明，20142017年，我国生猪价格分别为 8.34、8.41、8.57和8.69元/千克。关键字:BP神经网络；南北生猪价格；预测目录摘要I关键字IAbstractIKey wordsI第一章 前言11.1研究的背景与意义11.2国内外研究现状11.2.1国内研究现状11.2.2国外研究现状21.3 研究方法与技术路线31.4 本文研究的创新点3第二章 我国南北生猪市场价格形势分析42.1 南北生猪价格波动研究方法42.2 南北生猪市场价格波动特点及规律52.2.1南方生猪市场价格波动特点及规律62.2.2北方生猪市场价格波动特点及规律72.2.3南北生猪市场价格波动82.3 南北生猪市场价格波动影响因素分析92.3.1影响生猪需求方面的因素92.3.2影响生猪供给方面的因素102.4分析结论12第三章 南北生猪市场短期价格预测智能方法理论基础133.1 BP神经网络理论133.1.1神经网络133.1.2 BP神经网络163.2人工神经网络理论183.2.1人工神经网络理论的特征183.2.2人工神经网络国内外研究状况20243.2.3人工神经网络在控制系统中的应用概述203.3 LMBP算法213.3.1 LMBP网络的建立步骤243.3.2网络结构的确定253.4 BP神经网络优势253.5 BP神经网络在农业经济领域的应用25第四章 基于BP神经网络的南北生猪价格短期预测模型构建研究264.1BP网络模型较其他模型在生猪价格预测中的优势264.1.1样本数据的提取264.1.2 基于BP的生猪价格预测284.1.3 基于SVM的生猪价格预测294.1.4不同模型预测结果的比较及评价314.2 BP神经网络的构建方法和步骤314.2.1BP神经网络的构建方法314.2.2 BP 神经网络应用于预测的步骤33第五章 基于BP神经网络模型的南北生猪价格短期预测实证分析355.1 研究对象的选择与预处理355.2 BP神经网络拓扑结构的确定365.3 BP神经网络模型的训练与构建365.3.1网络成熟的确定375.3.2网络各层中神经元个数的确定375.3.3模型的运行和训练375.4 BP神经网络仿真与预测结果38第六章 结论与建议406.1 结论406.2 建议42参考文献43致谢44第一章 前言1.1研究的背景与意义我国是全球最大生猪养殖国家，每年的生猪出栏量达6亿头。作为我国最主要的消费肉类，近年来生猪价格波动过于剧烈，对生产者和消费者都造成较大影响，因而生猪价格的运行受到政府和社会各界的广泛关注。谭莹( 2010) 通过经济学模型，得出影响生猪供给各因素的短期动态效应，从饲料价格对猪肉供给的弹性及母猪的补栏对供给的反应系数等方面来解释价格波动成因。梁桂( 2011)指出供给是导致生猪价格波动的主因，而信息滞后性是使得供需失衡的深层原因。周发明等则将影响供给的原因分为生猪饲养模式生猪生产成本流通成本生产者的价格预期，并分解对价格的影响因素。对于猪肉市场的参与者来讲，准确地预知未来生猪价格十分重要。这种重要性主要体现在：生猪生产者可以预先安排未来生产计划，降低生猪价格变动给生产经营带来的风险；猪肉加工者可以合理选择采购方案，节约成本；相关部门可以根据这个预测结果评估猪肉市场的风险，从而合理安排市场运营，因此，生猪价格预测成为了农业经济研究中的重点问题之一。现有研究的问题在于：（1） 仅从供给和需求来研究猪价的运行规律，而忽略了货币因素等，缺乏对不同维度的影响因素的梳理；（2） 侧重于研究历史猪价的周期，而非未来猪价的预测。1.2国内外研究现状1.2.1国内研究现状生猪价格一直是群众心系的问题之一，猪肉也是畜牧生产当中极具有代表性的产品之一。因此我们首先选择了畜牧业的波动进行研究，之后再对南北生猪价格周期性进行研究，并做出较准确的预测。 自改革开放以来，人们的生活水平得到了极大的提高，畜牧产品逐渐进入人们的生活，与人们生活的关系越发地密切起来，畜产品成为人们生活中必不可少的一部分，也因此，畜产品的价格波动总是能够牵动大众人民的神经。这些年来研究畜产品的学者和专家越来越多。这其中，刘怀珍教授等人使用非常简单的线性回归模型模拟了在畜牧业生产过程中的影响因素。衡量畜牧业生产水平高低的极其重要的指标就是畜牧业的总产值，刘教授选用了影响畜牧业总产值的5个重要的因素进行了模拟实验，选用综合且重要的因素作为模型的解释变量，这些综合因素主要包括：畜禽产品的价格指数、居民消费指数、饲料价格指数、替代品的价格指数、用物质投入代替资金投入。但是由于在实际生产应用中这个模型的缺点比较多，这个模型既不符合生产函数中的投入产出模型，也与供给反应函数的内涵大相径庭。在分析我国供求影响因素的基础上，刘江等人预测了21世纪初我国的畜产品的产量与其需求变动的大致趋势。刘江在分析我国畜产品供求影响因素的前提下，预测了21世纪初我国的畜产品产量与其需求变动的大致趋势。白暴力等人（2007）认为猪肉市场价格必然会产生周期性的波动上涨，这主要是由于猪肉市场需求和供给的特征决定的。农业部根据1980-2007年的全国活猪的平均价格和猪肉产量的数据分析可以得出生猪价格波动与生产都是具有一定周期的，这个平均周期为6年。陶一山( 2006) 从生产成本的角度分析了生猪价格剧烈波动的影响因素。殷传麟、周兵兵(1997) 将生猪价格波动划分为季节性波动、市场性波动和比例性波动三种类型。伴随着时期的发展交替，影响生猪价格变化的因素也不尽相同。由于时期、立场和研究深度等的 不同，研究学者的观点也产生了一些分歧。主要的观点可以分为以下两大类：（1）在研究的初期，研究者的观点基本停留在市场的供给流通等简单的层次上。何炳生、唐仁健等人认为供求关系长期发展趋势的短缺以及不断增加的农业生产成本是影响生猪价格上涨的长期因素的代表；而其短期因素主要是指政策见的不协调、市场监管措施的不健全、消费者基金膨胀拉动、供求结构之间的矛盾等等。（2）进入新世纪以来，专家们的观点就不仅仅停留在浅显的认识层面上了，在工业化飞速发展的过程之中，农产品的生产总量缺乏并且价格上涨，这之中的主要原因就是产业结构的不平衡及国家政策的调整倾斜性等等。农产品价格涨幅与通货膨胀的发生程度是密切相关的，通货膨胀影响农产品的收购价格过快的增长，致使它的价格处于不利的地位；反过来地农产品价格的上涨也会对通货膨胀的上升与居高不下产生一定程度的支持与推动。1.2.2国外研究现状由于猪肉在农产品中的特殊重要地位，我们将会对国外控制农产品价格的方式进行一次深刻的探讨。国外农产品价格的调节主要还是依靠市场，而国家计划调节手段只是起到了辅助的作用。美国政府主要通过实施目标价格补贴制度、实行土地休耕制度和鼓励农产品出口制度管理农产品的价格。日本政府针对不同的农产品分别制定了不同的调控政策。例如肉类，政府会首先制定了安全价格限，如果价格过低的话，就会收购各种肉类并储存起来，等到价格回暖之后再进行销售。西欧的方式与美国的目标价格制度类似，只是对主要农产品的价格进行管理。如果其市场价低于目标价格的10%-15%时，为了价格的平稳西欧便会按照目标价格收购剩余产品，收购的产品用作其他地方的需要，而生产者就会按照目标价格获得相应的补充。 在国外，经济学家们对生猪及生猪价格的研究一般是先建立理论模型，然后建立实证模型再进行分析。这些模型主要有理论预期模型(简称REH)，自回归条件异方差模型(简称AREH）、价差模型(简称PS)、向量自回归模型(简称VaR)、自回归移动平均模型(简称ARMA）。1.3 研究方法与技术路线 本文主要结合 Matlab、灰色理论、BP神经网络模型等知识，定性结合定量的综合方法研究我国南北生猪价格周期性预测，其中我们选取了四川、北京两个城市作为范例，验证BP神经网络模型的可行性。对猪肉市场的龚旭等内容进行分析研究，并且确定了其中的影响因素及影响的重要顺序，采用相应的数据，基于BP神经网络模型建立了生猪价格与周期性波动预测模型，并针对我们得到的结果提出一些关于猪肉市场调控的基本手段与措施。 1.4 本文研究的创新点 1)理论与实际相结合。首先介绍了我国南北生猪市场价格形势分析，从中究其原因，并针对这些因素提出宏观数学模型的建立。并逐步分析出解决这一难题所需要的数学知识，进行综合研究。 2)数学模型与生猪价格的具体数据相结合，进行实证调查研究，基于这些数据的分析与验证结果提出针对我国南北方生猪市场的政策建议。 3)定性与定量的分析相结合，前半部分大篇幅阐述我国生猪生产存在的情况，并且深刻剖析了宏观方面的外在原因，后半部分通过数学模型进行定量分析，拟合出了未来生猪价格的可能走势，为政府控制生猪价格及建立生猪价格预警机制提供了数据上的依据。第二章 我国南北生猪市场价格形势分析 2.1 南北生猪价格波动研究方法近年来我国生猪价格波动剧烈频繁，过度的价格波动既不利于猪肉产业健康发展，也影响居民猪肉消费的国计民生。研究生猪价格波动周期及原因可以让我们更加深入地了解猪肉市场价格波动规律，为各市场主体采取有效应对措施降低价格波动风险提供理论指导。国内外都有大量关于生猪价格波动的相关研究。在1938年Ezekiel最早使用蛛网理论探讨生猪周期，用动态分析方法刻画了生猪供给量和价格在偏离均衡状态以后的实际波动过程及其结果。Futrell等(1989)发现，1950-1986年美国生猪生产周期平均为4. 5年。另外，高频蛛网理论(Multi-requency Cobweb Theory)指出，在较长的周期中可能有几个短周期同时存在。因此，在讨论不同周期时需要在较长的周期内识别短周期(Talpaz ，1974 )。 Robin D Arey在2000年对中国生猪的周期理论及模式进行评估并对生猪价格进行预测。国内的学者也从多个角度定性且定量地分析了生猪价格形成及波动的成因、机理、特征、趋势、周期和影响因素等。毛学峰等(2008)采用时间序列分解的方法对我国生猪价格周期展开讨论，之后得出生猪价格存在显著的周期波动的结论，周期大致在35- 45个月，且外部冲击的影响对于生猪市场价格的波动起到了推波助澜的作用。吕杰等(2011）探讨了我国生猪价格周期的运行规律及生猪价格波动的形成机理，着重对生猪价格波动的成因进行了系统分析。李秉龙、何秋红(2007)从宏观角度分析了我国生猪价格短期波动的总体趋势、特点与波动周期，并解析了我国生猪价格波动的原因。王彦炯(2010)对我国生猪价格的波动机理、特点、周期及政策调控进行了研究。曙光等(2008)根据北京市2000年1月到2007年8月的月度去皮带骨猪肉批发价格数据，利用时间序列的谱分析方法来测定长周期价格波动规律。白暴力等(2007)认为猪肉市场需求和供给的特征决定了猪肉市场价格必然会产生周期性波动上涨；农业部(2007)根据1980-2007年全国活猪平均价格和猪肉产量数据分析得出生猪生产和价格的波动平均周期约为6年。陶一山(2006)从生产成本的角度分析了生猪价格剧烈波动的影响因素。殷传麟、周兵兵(1997)将生猪价格波动划分为季节性波动、市场性波动和比例性波动三种类型。对于我国生猪市场的价格预测，主要有定性分析与定量分析两个方面。目前，在我国绝大多数采用的是定性分析的方法，行业内的专家以历史的交易数据为基础，结合当前的市场大致趋势以及个人经验进行分析并预测价格在一定时期内的波动方向及大概的波动范围，因此这个方法又被成为专家预测法。至于定量分析法，则主要是结合数量经济学及系统工程等方面的研究进展，主要有回归分析法、回归序列分析法、回归-时间序列组合法以及人工神经网络预测等方法。前三者运用的数学知识比较简洁，而且有现成的软件可以进行迅速快捷的分析预测。本文我们利用定性与定量结合的分析方式对南北生猪价格波动进行预测研究。2.2 南北生猪市场价格波动特点及规律英国经济学家培高认为可以引起经济波动的因素主要有两个：其中一个是外部冲击致使经济波动；另外一个便是内部结构，内部结构决定了经济系统应对初始外部冲击的方式，同理，我国生猪价格周期性的波动的产生同样也是来自于这两个方面的影响：一个是内部传导机制，另外就是外部冲击机制。一般来说，内部传导机制决定着波动的连续性，而外部冲击机制则主要通过内部传导机制影响着每一个波动周期的振幅与波长，并决定了波动过程中的转折点。生猪市场的价格波动也有一定的规律性，在这个规律的背后起决定性作用的就是供求关系变化这个杠杆。按照市场供求法则，只要产品的价格不是“市场出清”价格，供给量与需求量就会一直处于自我调整与波动之中，直到供求均衡，但是由于自然条件和社会环境的影响，绝对的平衡是不可能存在的，也因而波动就是必不可少的了。生猪价格周期性变化规律的根本在于供求关系的变化，而生猪价格周期性波动的成因也会影响着供求关系的变化。近几年国内生猪市场风云变幻，“涨跌平”的猪周期不再贴合当今市场，“老江湖”们的老经验慢慢偏离轨道，对于后期行情预判，众业者陷入“过一天看一天”局面。 通过近三年数据来看，2013及2014年猪市行情走势基本一致，上半年猪价连续下跌，4月份降至低谷，5月份开始反弹，6-8月份淡季逆势上涨，9月份之后猪价震荡下行。然2015年上半年市场的表现又出乎众人意料，而又在情理之中。3月中旬之前生猪价格均呈震荡下滑态势，而中旬之后市场表现却截然相反。 出人意料：3、4月份为传统消费淡季，终端猪肉需求量低，生猪价格本应处于下行通道。而2015年3 月中下旬却出乎众人意料逆势上涨，且4月份更是呈直线上涨态势。数据显示，4月24日全国外三元均价涨至13.78元/公斤，较去年同期上涨3.1元/公斤，涨幅高达29.03%。进入5月份，持续大涨动力不足，猪价整体呈稳中慢涨态势。 情理之中：2013年生猪养殖收益甚微，2014年以亏损收尾，众多业者资金链断裂，中小散户退出市场，导致2015年4月份至今生猪供应量减少，猪源紧缺，业者收购难度大，消费低迷的利空影响弱于往年，猪价得到利好支撑不断上涨。 在此轮涨价过程中，南北方表现差异化明显。三省为北方猪价调整的领头羊，广东在南方价格调整中的作用重大。3月下旬及4月中旬两地猪价同步上涨，4月下旬基本持平，均价在13.9元/公斤左右。而进入5月份，东北猪价震荡下探，广东稳中慢涨，价差不断扩大，截至5月22日价差(均价)扩大至1.9元/公斤，广东外三元出栏价在15.2元/公斤，而东三省好良杂猪仅为13.2-13.4元/公斤。 5月两地价差扩大，除受生猪供应量影响外，当地的市场特点亦对猪价形成较大影响。东北养殖欠发达，而屠宰企业众多，基本掌握当地猪价的定价话语权，在消费严重疲软、屠宰逐步陷入亏损的情况下，企业不断试探性降价以控制猪价上涨;而广东市场特点恰与东北相反，生猪价格的调整多受规模化养殖场及交易市场的影响，在当前利益相悖的情况下，价格上涨面远大于下跌及稳定面。2.2.1南方生猪市场价格波动特点及规律以四川省为例，作为生产生猪的第一大省的四川，养猪业是其农业与农村经济发展的重要支柱产业，农民收入与地方财政收入的重要来源就是生猪生产的收益。生猪价格波动，严重的影响到广大生猪饲养者和企业的经济效益。由于受到生活习惯的影响，猪肉的消费具有显著的季节性和随着节日性变化的特征，春节前后，气温低，方便猪肉贮藏，物价上涨，人们对于猪肉的消费需求也上升，冬季中的元旦，依据人们的传统消费习惯，会增加猪肉的购买量及储备量，造成一年当中猪肉消费出现两头高的现象，而在盛夏季节，天气酷暑炎热，人们对猪肉等油腻食品则避而远之，更倾向于蔬菜水果类爽口食品，这也会造成猪肉的消费量降低，因此就会出现一年当中猪肉消费下降的趋势。根据调查显示，从2004年起生猪价格的波动变得十分剧烈，这其中有很大一部分的原因就是2003年上半年出现的“非典型性肺炎”疫情，当时为了防止“非典”病菌疫情的传播，许多地区采取了限制生猪流动等的严格措施，关闭生猪市场，甚至再杀母猪、补栏停滞，地区之间生猪运输受阻，相互设障、隔离，严重分割市场，出现了“卖猪难”的尴尬困境，人们对于猪肉的消费量也迅速下降，生猪市场变得异常的萧条。而到2003年底时，随着旅游餐饮业与娱乐业等产业的复苏，人们对于猪肉的需求量又逐渐的上升，使市场回暖，农户开始增加生猪的产量，价格也随之上涨。而生猪价格在2007年的暴涨是由于在2006年下半年发生的猪高热症即是蓝耳病疫情，这个暴涨加剧了生猪价格的整个波动幅度。另外08年的兵种灾害与汶川地震等的自然灾害，再有09年爆发的金融危机等都在很大程度上影响了生猪市场价格的波动。但是自从2000年以来，我国四川省的生猪市场价格的波动就出现了一定的年度周期规律性。每年的1月份和12月份是价格最高主要集中月份，而生猪价格相对较低的月份分别是一年中的5月、6月和7月份。从而我们可以得出如下结论，年度内的价格波动呈现了季节性的波动特征。而对于年度来说，每年生猪价格的波动都会与此前的社会环境与自然变化有关。2.2.2北方生猪市场价格波动特点及规律以北京为例，北京市生猪市场价格波动主要特征有： 1.生猪价格短期波动剧烈。近11年来，北京市生猪价格短期波动剧烈，价格的市场传导机制不够平稳。供大于求和供不应求转变的速度非常快，生猪价格从2003年7月的9. 70元/公斤到2004年10月的最高15. 00元/公斤，再到2006年5月的最低8. 06元/公斤，以及2008年2月的23. 61元/公斤，最后到2009年5月的13. 71元/公斤，直至2011年5月的22. 79元/公斤，生猪价格在短短6年的时间里形成2个大周期、7个小周期的波动态势。尤其是从2005年年中开始生猪价格就开始大幅波动，而2006年5月后生猪价格更是在短短两年时间从8. 06元/公斤涨到2008年第1季度的近24元/公斤。2006年5月至2011年5月的60个月月环比波动幅度超过5%的月份有34个月，其中最严重的2007年6月环比波动幅度超过20%，还有7次达到10%以上。 2.北京市生猪价格与全国走势总体一致，波幅同比低于全国水平。从基本走势看北京市生猪价格与全国总体走势大致一致。作为重要的全国猪肉主销区，北京市猪肉需求量的60%来自河北、河南、山东、内蒙古等地，其基本价格走势必然受全国猪肉市场的波动趋势的影响。特别值得指出的是，在2007-2008年全国价格大幅上涨的背景下，北京市场生猪价格波动幅度远小于全国，这主要得益于相对比较完善的猪肉市场体系和畅通的信息流通传导机制。从 1988年开始，北京市开始大力支持发展规模化养猪，改变传统的分散养猪模式，还出台多项补贴生猪生产的措施，大力提高育种技术，提高仔猪和种猪的质量和实力，形成了相对成熟的生猪生产体系，有力促进了北京猪肉市场的抗波动能力。 3.生猪价格总体呈持续上涨态势，周期性波动特征明显。近11年来北京市猪肉市场价格总体呈上升态势，猪价的波动围绕长期趋势做不同周期和变化幅度的周期性运动。波动周期大致为3. 5年左右。四个周期波动呈越来越剧烈态势。2000年1月至2003年6月为相对稳定周期；2003年7月至2006年5月为相对剧烈期；2006年6月至2009年5月为剧烈波动周期；2009年5月至现在为相对剧烈波动期，其中大周期里包含若干小周期。从波动幅度来看，2003年7月之后生猪价格开始大涨大跌，从2003年7月的11. 5元/公斤到2005年5月的15元/公斤，回落到2006年4月的8元/公斤并到达谷底，后一路加速上涨到2008年3月的23. 5元/公斤，后大幅下跌到2009年6月的将近14元/公斤，再回涨到2009年9月的17元/公斤，再落到2010年5月的13. 84元/公斤，之后大幅上涨到2011年5月的22. 79元/公斤。2.2.3南北生猪市场价格波动南北生猪价格整体呈现持续上涨的趋势，并且还在不断的刷新着最高价位。由于猪源的紧张态势变得十分的突出并且紧缺态势继续大于需求端的萎靡，形成了生猪价格的强势制成。在生猪价格出现阶段性的高点之后，就会再开始出现调整的态势，局部地区会出现回落。北方地区主要是因为整体供应趋紧，加上养殖户惜售以及规模猪场的提价以及生猪的调运，导致生猪价格上涨幅度比较大。而南方地区的生猪价格的破10支撑整体的生猪价格行情，但是最终端需求的掣肘和进口猪的冲击性形成利空，不过鱼鱼生猪紧缺程度更甚，因此也会继续存在微涨的空间。2.3 南北生猪市场价格波动影响因素分析2.3.1影响生猪需求方面的因素 大多数的畜产品一般都易腐烂，不易储存和长途运输。猪肉也是一样，作为消费品是人们最基本的生活必需品，作为工业品又是工业生产发展的重要原材料。猪肉的生产具有一定的周期性，但社会对猪肉的需求却不受时间的影响。社会对猪肉的需求特点决定了影响猪肉消费的因素。影响猪肉需求的因素主要有以下几类。 (一)人口数量和人口结构的变化 人口数量的增加，必然会直接增加对猪肉的需求，猪肉需求的增加与人口数量增加成正比例。另外，人口结构的变动也会影响猪肉的需求，这主要表现在对猪肉需求构成的变化上。如果是仅有夫妻两人的家庭，这种家庭少有经济负担，有较强的购买力，是猪肉的高级替代品比如水产品的潜在消费者，如果家庭中中老年人和儿童所占的比例较大，也会倾向于购买在蛋白质含量、营养结构等方面高于猪肉的其他替代品。 (二)城市化进程的影响 20%的畜产品消费增长由城市化导致，大批农村劳动力进入城市尤其是大中城市，提升了畜产品的需求。而2008年开始中国的城市化进程进入了依靠中小城市的新阶段，但是目前中小城市对普通劳动力的吸纳能力不足，因此未来数年中国城市化速度也将下降。2008年底，中国农业部对10个省市的调查显示，农民工提前回流量占农民工的6. 5%。大量农民工返乡将在短期内使得城镇地区的畜产品消费量增速下降。 (三)消费者的收入水平猪肉是一种正常品，其需求收入弹性大于O f 347。收入水平越高，消费者的消费水平越高，标志着人民生活质量的提高，意味着膳食结构的改善，即对猪肉等动物类食品消费量的增加，从而推动生猪价格上升。约60%的畜产品消费增长是由居民收入增长带来的，而工资收入是目前居民主要收入来源。2009年初中国社会科学院发布的2008年中国社会蓝皮书，称中国城镇失业率己经攀升到9. 4%，并预计2008年中国城镇居民人均可支配收入可以增长7%左右，农民人均纯收入增长7%左右，城乡居民收入增速均比2008年增长率下滑50%。在失业率上升和收入增速下降或者收入下降的预期下，可以预见畜产品消费的增长较为困难。但随着我国恩格尔系数的减小，这种影响程度呈现缩小趋势，通过对我国统计年鉴的数据计算发现，我国的猪肉消费量在1985年为16. 6公斤，80年代猪肉消费增长明显，到了90年代以后，猪肉消费一直保持在人均20公斤左右。随着收入的提高，消费者对猪肉消费的增加程度逐渐减弱，高收入人群对猪肉消费量增加量最少，中等收入消费者次之，低收入人群对猪肉消费量增加程度最大。 (四)替代品的价格 替代效应是指一种商品的相对价格发生变化，而消费者的实际收入不变情况下商品需求量的变化。在人民口常生活中，对农产品的消费呈现多元化趋势，虽然猪肉是中国大多数居民的传统肉食，但随着生活观念的改变以及猪肉口感的变差，人们开始倾向于对高质量的牛羊肉、禽肉等的消费川。因此，猪肉替代品的价格波动将会影响到猪肉的消费，进而对生猪价格的波动产生影响。当牛羊肉等替代品的价格升高时，猪肉的需求将会增加，拉动生猪价格的上涨；反之，替代品的价格降低，猪肉需求量减少，则会拉低生猪价格。(五)疫情及自然灾害生猪生产是动物性产品的生产，受到各种疫情和灾害的影响比较大。猪的人畜共患病，如链球菌病，蓝耳病等如果预防和治疗的不及时到位，不但会影响生猪的供应，并且会影响到人们的消费心理，减少猪肉的消费，进而影响到生猪价格的波动。典型的疫情导致的生猪价格大幅波动就是“非典”期间，由于“非典”的爆发，养殖户大量宰杀母猪、补栏停滞，等到“非典”过后，生猪供应严重滞后，引起生猪价格的大起大落。2.3.2影响生猪供给方面的因素(一) 投入品的价格生猪养殖户主要根据自己能否在生产中获得较大的经济利益来决定自己的养殖规模。养猪利润的大小除了与生猪价格的高低有关之外，更要考虑到养殖的成本，因此养猪成本也是影响我省猪肉供给的主要因素。从理论上来说，投入品的价格和生猪价格是有很强的正相关性，投入品价格的升高(降低)将会导致生猪价格升高(降低)。在生猪的养殖过程中，饲料成本能够占到养猪成本的60%以上，其中生猪饲料的主要原料是玉米，大豆等粮食作物，其中玉米占到60%一70%，因此当玉米等原料价格变动时，生猪价格也会随着变动。我国的一些经济学家通过数据分析，发现猪价和粮价之间存在一种必然的，相互适应的规律，即“猪粮比规律”：当猪粮比为5. 5：1时，生猪养殖保持在盈亏平衡点，超过5. 5：1即可盈利，低于该值就会亏损。2007年，由于生物能源的开发，玉米等农产品的需求量大增，导致玉米价格上涨，带动了饲料的上涨，引起连锁反应。同时豆粕等蛋白原料价格持续走高，进一步推动饲料价格的上涨，增加了养猪成本。 (二)仔猪的价格 近几年生猪价格的大幅上涨，激发了企业和农户的养猪热情，由于能繁母猪数量的减少，市场上仔猪供应量下降，致使市场仔猪价格不断攀升。仔猪价格是生猪生产成本的主要因素，仔猪价格的上涨自然会分摊到猪肉的价格上去，但是仔猪需要经过4个月左右的育肥，才能出栏，因此从理论上说，当期的生猪价格和4个月前的仔猪价格正相关。同时生猪价格高涨引起养猪热，又反过来带动仔猪价格的上涨，一轮生产过剩会引起下一轮的生产不足，两者相互存在影响力。(三)劳动成本对于就业渠道很窄的农户而言，闲暇时间进行副业养猪用工的机会成本几乎为零，这样农户利用闲暇时间养猪的用工作价即为零，但现在由于农民外出打工的收入出现较大幅度的增长，饲养生猪的劳动力机会成本也迅速上涨，致使生猪养殖的人工成本有所增加。(四)疫情的影响疫情不仅能对生猪的需求带来影响，同时也对生猪的供给产生影响。2003年的“非典”疫情，使得生猪市场关闭，造成猪肉流通受阻，降低了猪肉的供给；2005年四川省发生的猪链球菌病使养殖户认识到生猪市场存在不确定风险，对养殖生猪失去信心，开始大量从源头上控制母猪的存栏，导致生猪的供应受到影响；2006年夏季，我国赣北，皖南发生的猪高热病，短时间扩散到湘、苏、豫、浙等省市，一些规模化养猪场以及散养育肥群的育肥生猪大量死亡，进一步减少了母猪，仔猪和生猪的供应量，导致全国范围内的存栏量减少。疫情带来的影响是双向的，一方面消费者会产生心理恐慌，一定程度上对猪肉的消费需求产生影响，另一方面，养殖户的补栏积极性也会受到一定的抑制。(五) 生产者价格预期 生猪养殖户在进行生产决策时，需要对未来的生猪价格和市场需求进行预测，因此生产者的预期价格是影响猪肉供给的重要因素。市场经济中的生产者都是“经济人”，当生产生猪有利可图时，他们才会投入生产，即价格预期基本上是对当前价格呈现出正方向的反应。生猪价格上涨，养殖生猪收益增加，生产者才会投入或者扩大生产。因此，对生猪价格的预测也是影响因素之一。 母 猪 过 剩饲料降价饲料需求量减少 仔 猪 不 足猪肉不足肉价上涨育肥猪不足仔猪涨价仔猪过剩仔猪降价 母 猪 不 足肉价下跌猪肉过剩育肥猪过剩饲料涨价饲料需求量增加2.4分析结论 1.价格的周期波动在猪肉市场相对常态，我们能做的就是拉长波动周期、减小波动幅度。对于季节波动，出台针对性的措施在淡季和旺季调整市场供给。 2.价格波动的主要动因来自生产波动，价格的剧烈波动则来源于一些突发的因素导致的不规则因子影响。当市场不能有效调控价格时政府就应该出台政策措施来减缓价格的剧烈波动，政策的着力点应该在关乎价格波动的关键节点上。由于生猪价格波动周期跟生产波动周期一致，所以政策基本着力点主要在生产波动的调控。通过研究和控制生猪生产的周期波动来控制生猪价格的周期波动。 3.国外的生猪价格和生产也有波动，美国的波动周期为4年，但是波动的幅度没有我国大。我国生猪价格波动周期短、波动幅度大。主要有两个方面的原因：一是散户多，要想拉长波动周期、降低波动幅度，必须通过规模养殖来实现，因为规模养殖户在把握市场、价格、技术和信息的能力比较高，可以有效地降低波动、拉长周期；二是政府的政策要有系统性和连续性，在预警、信息发布、指导、扶持保护政策上起到关键作用。第三章 南北生猪市场短期价格预测智能方法理论基础 3.1 BP神经网络理论3.1.1神经网络神经网络是大脑的一个组成部分。James在1890年的心理学一书中这样描述神经网络的基本原理：大脑皮层每一点的活力是由其它点势能释放的综合效能产生的，这些势能与如下因素有关：（1）相关点的兴奋次数（2）兴奋的强度；（3）与其不想练的其它点所接受的能量。他的这一原理一直沿用至今。到目前为止，神经网络的研究主要分为两个派别：一类主要是包括生物学家、物理学家和心理学家等，他们研究的主要目的是给出大脑活动的描述和精细模型；另一类主要包括工程技术人员等等，他们所关注的更是怎样利用神经网络的基本原理，去构造可以解决生活中实际问题的算法，从而使得这些算法具有更加有效的计算能力，我们把这个称为是神经网络的工程应用研究，或者也可以叫做是人工神经网络（artificial neural network，ANN），简称为神经网络。人工神经网络可以分为前向型与反馈型两大类。前者，即前向型神经网络的夜店是信息传递由后层神经元向前层神经元传递，而同一层神经元之间并没有信息交流；反馈型神经网络中的神经元之间不但相互作用，而且自身也有信息内耗。神经网络的结构：人工神经网络由神经元模型构成，这种由许多神经元组成的信息处理网络具有并行分布结构。每个神经元具有单一输出，并且能够与其它神经元连接；存在许多（多重）输出连接方法，每种连接方法对应一个连接权系数。可把 ANN 看成是以处理单元 PE(processing element) 为节点，用加权有向弧(链)相互连接而成的有向图。令来自其它处理单元(神经元)i的信息为Xi，它们与本处理单元的互相作用强度为 Wi，i=0,1,，n-1，处理单元的内部阈值为 。那么本神经元的输入为：而处理单元的输出为：式中，xi为第 i 个元素的输入，wi 为第 i 个元素与本处理单元的互联权重。f 称为激发函数(activation function)或作用函数。它决定节点(神经元)的输出。该输出为 1 或 0 取决于其输入之和大于或小于内部阈值 。下图所示神经元单元由多个输入Xi，i=1,2,.,n和一个输出y组成。中间状态由输入信号的权和表示，而输出为：训练网络神经网络结构被设计完成，有了输入、输出参数后，我们就要对网络进行训练。神经网络的训练有包括感知器训练、delta 规则训练和反向传播算法等训练，其中感知器训练是基础。感知器和 delta 训练规则理解神经网络的第一步是从对抽象生物神经开始,本文用到的人工神经网络系统是以被称为感知器的单元为基础，如图所示。感知器以一个实数值向量作为输入，计算这些输入的线性组合，如果结果大于某个阈值，就输出 1，否则输出 -1，如果 x 从 1 到 n，则感知器计算公式如下：其中每个 wi 是一个实数常量，或叫做权值，用来决定输入 xi 对感知器输出的贡献率。特别地，-w0是阈值。尽管当训练样例线性可分时，感知器法则可以成功地找到一个权向量，但如果样例不是线性可分时它将不能收敛，因此人们设计了另一个训练法则来克服这个不足，这个训练规则叫做 delta 规则。感知器训练规则是基于这样一种思路-权系数的调整是由目标和输出的差分方程表达式决定。而 delta 规则是基于梯度降落这样一种思路。这个复杂的数学概念可以举个简单的例子来表示。从给定的几点来看，向南的那条路径比向东那条更陡些。向东就像从悬崖上掉下来，但是向南就是沿着一个略微倾斜的斜坡下来，向西象登一座陡峭的山，而北边则到了平地，只要慢慢的闲逛就可以了。所以您要寻找的是到达平地的所有路径中将陡峭的总和减少到最小的路径。在权系数的调整中，神经网络将会找到一种将误差减少到最小的权系数的分配方式。这部分我们不做详细介绍，如有需要大家可参考相关的人工智能书籍。一般希望神经网络模型具有以下几个特征：（1）强适应性：即系统能通过“学习”较容易地调整到一个新的环境.由此引出一系列对学习算法的讨论；(2)鲁棒性和容错性：即少量神经元，连接或输入发生故障，不会明显改变网络性能.这就要分析网络作为动力系统，参数变化或扰动对网络性能的影响；(3)能处理具有模糊性、随机性、噪声或不相容的信息；应用随机动力学模型可获得较好的效果；(4)高度并行性：这一计算机技术正得到迅猛发展；(5)小型、紧凑、耗能少；这是对系统物理实现的要求.在神经网络的控制领域应用中，各种模型层出不穷，但总的来说，大致可以归结为以下几类1：(1)前馈式网络：该种网络结构是分层排列的，每一层的神经元输出只和下一层神经元相连.这种网络结构特别适用于BP算法，如今已得到了非常广泛的应用.(2)输出反馈的前馈式网络：该种网络结构与前馈式网络的不同之处在于这种网络存在着一个从输出层到输入层的反馈回路.该种结构适用于顺序型的模式识别问题，如Fukushima所提出的网络模型结构.(3)前馈式内层互连网络：该种网络结构中，同一层之间存在着相互关联，神经元之间有相互制约的关系，但从层与层之间的关系来看还是前馈式的网络结构.许多自组织神经网络大多具有这种结构，如ART网络等.(4)反馈型全互连网络：在该种网络中，每个神经元的输出都和其它神经元相连，从而形成了动态的反馈关系，如Hopfield网络.该种网络结构具有关于能量函数的自寻优能力，正是作者近年来研究工作中所采用的主要网络类型.(5)反馈型局部互连网络：该种网络中，每个神经元只和其周围若干层的神经元发生互连关系，形成局部反馈，从整体上看是一种网格状结构，如L.O.Chua的细胞神经网络.该种网络特别适合于图像信息的加工和处理，在控制中的应用尚未见报导2.3.1.2 BP神经网络 BP神经网络是一种多层前向神经网络。这个名字起源于网络权值的调整裹着采用的是后向传播学习算法，亦称为是反推学习规则，即BP学习算法（back-propagatio