济南大学学报(自然科学版)

作者：赖玉莲，马琳娟，张延林

基金：国家自然科学基金项目(72272039)

为了提高图神经网络算法对农产品价格预测精度，采用经验模态分解法按时间片轮转抽取农产品历史价格信号，以便对历史价格信号进行特征提取；将原始价格信号分解成多个本征模态函数及残余项，并根据本征模态函数构建样本特征；根据得到的样本特征构建价格预测图结构，将图结构输出的特征信号通过图神经网络的过渡函数和预测函数，通过不断减小损失值输出农产品价格预测结果。结果表明，经验模态分解可以对原始农产品价格信号的本征模态函数分量进行有效分解和提取，从而使经验模态分解-图神经网络算法的农产品价格预测平均绝对误差减小71.4%；相比于其他类型的预测算法，经验模态分解-图神经网络算法对4类农产品价格预测的平均绝对误差更小，最大值仅为2.465。

来源：2024年第03期

《济南大学学报(自然科学版)》期刊编辑部

查看济南大学学报(自然科学版)杂志2024年第03期