1. 研究目的与意义、国内外研究现状（文献综述）
一、课题的意义
中国是农业生产的大国，农产品价格的变化趋势在一定程度上影响老百姓的幸福指数，过高的物价上涨甚至会为社会带来恐慌。近年来，我国农产品价格问题越来越成为社会关注的焦点，农产品价格首先关乎农民的切身利益，是保障农民增收以及群众生活稳定的必要因素。价格因素导致供求关系变化，如果价格变化幅度过大，不能进行很好的调控，就会引发农民“卖粮难”的风险。由此可见，合理地预估农产品价格的未来走势，是非常具有研究价值的。
对农产品价格的预测，将有利于农产品价格的稳定，将有利于国家对农产品市场调控，针对近几年“蒜”、“葱”等农产品价格的剧烈波动，国家出台了很多措施对这方面进行调控，这对农产品市场的稳定起到了积极的作用，但是，仅仅依靠国家的措施是不够的，因此，我们需要认清农产品价格波动规律，寻找出影响农产品价格波动因素，明确影响因素与价格之间的关系，估计出农产品价格波动对农民的收入产生的影响。
2. 研究的基本内容和问题
一、研究目标
农产品是作为消费的必须品，大大占据了产品市场的比重，大量的农产品市场面临着相应的挑战。具体表现为农产品价格的不稳定，市场价格波动偏大，致使调节农产品价格成为市场研究的热点，稳定农产品市场价格越来越受到国家政府的重视。我计划通过引入深度学习算法，通过其自学习特性，以一部分农产品价格数据来确定深度学习网络最优结构，再以另一部分数据为测试集样本，实现更加准确地对农产品价格的预测。
二、研究内容
3. 研究的方法与方案
利用深度学习模型对农产品价格进行了预测，并得到了该方法的误差与预测数据。然后对农产品价格走势进行精确地判断，并针对农产品价格出现的问题，进行源优化配置，从而保证我国农业健康有序的发展。
1、LightGBM算法
LightGBM 算法是一个基于梯度决策树的框架。可被用于多种机器学习任务中，包括排行、分类、以及预测等。LightGBM 是微软推出的一款开源梯度提升工具，具有训练效率高、使用内存低、准确率高、支持并行和 GPU 以及可处理大规模数据等优点，目前已经成为各类机器学习研究的新热点，是多种应用领域中常用的一大利器。 LighGBM 算法核心的思想是：直方图算法、Leaf-wise 叶子生长策略、直接支持类别特征、基于直方图的特征优化。
2、卷积神经网络CNN
研究者在研究动物脑皮层的敏感神经时发现脑皮所含有的独特神经系统能够减少反馈神经系统的复杂度，从而提出了卷积神经网络系统。由于卷积神经网络仅仅需要得到很少的参数值可以对数据进行训练，因而现在广泛地应用于图像处理、语音实时翻译以及交通流预测等影响因素众多的复杂场景，取得了非常好的处理结果。 正是由于卷积神经网络 CNN 中所特有的卷积池化相结合的组合，使得其非常适合对数据的处理和学习，能够从给定的训练数据集中提取出反映数据信息的抽象特征向量。卷积神经网络结构中的参数都是在对数据进行训练学习的过程中不断地调整设置的，这样就节省了计算资源。由于卷积神经网络能够自动的从数据中得到特征向量，这样就不需要人工提取特征，解决了人工不能够很好全面的提取出反映数据信息的特征向量问题，使得人们不再把工作重点放在特征的提取上，从而更加容易解决预测、分类等相关问题。
卷积神经网络与其它网络结构所具有的最大不同就是共享局部权值这一特点，局部共享权值这一思想是来源于人类大脑神经系统，通过共享局部权值可以使得高维的数据，不需进行降维处理就可以直接输入到卷积神经网络系统当中，从而减少了卷积层的特征提取以及池化层的降采样工作。
3、基于 CNN 与 LightGBM 的价格预测模型
由于卷积神经网络具有非线性这一独特特点，使得卷积神经网络结构能够通过学习、训练处理输入价格数据信息时能够自动的提取出给定的价格数据中隐含的抽象特征信息，将 CNN 提取出的特征与 LightGBM 集成算法融合，可以获得一个预测结果更加准确的价格预测模型。
|
|
农业是我国经济的基础，是国家自立、人民安居的前提，农产品价格对农业生产具有重要的影响，对农产品价格做出合理预测，能够方便决策者对农产品市场做出有效的调控，从而稳定农产品价格，保持我国经济社会的正常运行。农产品市场价格的预测研究对稳定农产品市场秩序，确保居民生活稳定以及稳步提高农民的收入水平具有重要的意义。
4. 研究创新点
特色或创新之处
随着经济社会的不断发展，价格预测在工农业生产以及金融业中扮演着重要的地位。本文根据这一背景，对价格预测领域进行了针对性的深入研究，将前沿的机器学习算法作为建立价格预测模型的核心。
5. 研究计划与进展
研究计划及预期进展
2019年12月：确定毕业设计方向，撰写开题报告；
2020年1、2月：搜集相关资料，研究相关知识；
