圖4-9和REF_Ref23354\h表4-5可知，PCA-BP神經(jīng)網(wǎng)絡與多元回歸的組合模型在白條豬價格預測中表現(xiàn)更好，其預測誤差小于單一模型。與PCA-BP神經(jīng)網(wǎng)絡模型相比，PCA-BP神經(jīng)網(wǎng)絡與多元回歸組合模型的MAE、RMSE和MAPE分別下降7.02%、0.79%和7.20%；較BP神經(jīng)網(wǎng)絡模型降幅達25.04%、24.84%和24.80%；對比多元回歸模型更是降低42.41%、42.33%和42.87%。對比實際預測效果與評價指標可知，PCA-BP神經(jīng)網(wǎng)絡與多元回歸組合模型在預測白條豬價格上更優(yōu)。該模型通過融合不同模型的優(yōu)勢，克服了單一模型的局限性，提升了預測的精準度與穩(wěn)定性。從原理上看，PCA-BP神經(jīng)網(wǎng)絡與多元回歸組合模型集成主成分分析、BP神經(jīng)網(wǎng)絡和多元回歸的特性，既能精簡模型結構，又能全面分析價格影響因素，適應不同場景，實現(xiàn)更可靠的價格預測。4.7本章小結本章節(jié)構建了BP神經(jīng)網(wǎng)絡模型、多元回歸模型、PCA-BP神經(jīng)網(wǎng)絡模型以及PCA-BP神經(jīng)網(wǎng)絡與多元回歸的組合模型對白條豬價格進行預測分析。通過多組實驗結果對比發(fā)現(xiàn)，PCA-BP神經(jīng)網(wǎng)絡與多元回歸的組合模型在預測精度上更優(yōu)，其預測效果好于各單一模型，充分驗證了該模型在白條豬價格預測中的可靠性與高效性。第5章結論與展望豬肉價格的波動對居民日常生活、養(yǎng)殖戶經(jīng)濟效益以及農(nóng)業(yè)經(jīng)濟的整體穩(wěn)定性具有深遠影響。由于豬肉價格受到多種復雜因素的作用，其波動規(guī)律難以精確把握和預測。而借助高效的預測模型可以提升預測精度，從而推動豬肉市場的健康發(fā)展與穩(wěn)定運行。因此，本文以白條豬價格為分析對象，在整合歷史價格數(shù)據(jù)和相關影響因素的基礎上，采用多種預測方法進行比較分析。研究發(fā)現(xiàn)，豬肉價格波動是多種因素共同作用的結果?；趪鴥?nèi)豬肉市場的歷史數(shù)據(jù)，研究首先運用灰色關聯(lián)度分析和皮爾遜相關性分析，系統(tǒng)評估了各因素與豬肉價格的關聯(lián)性，最終確定了九個關鍵影響因素。隨后采用主成分分析（PCA）方法對這些因素進行降維處理。在建模預測環(huán)節(jié)，研究分別構建了BP神經(jīng)網(wǎng)絡模型、多元回歸模型、PCA-BP神經(jīng)網(wǎng)絡模型以及PCA-BP神經(jīng)網(wǎng)絡與多元回歸的組合模型，以關鍵影響因素作為輸入變量，對豬肉價格進行預測分析。實驗結果表明，PCA-BP神經(jīng)網(wǎng)絡與多元回歸組合模型在預測結果上表現(xiàn)出優(yōu)勢，其MAE、RMSE和MAPE指標相較于PCA-BP神經(jīng)網(wǎng)絡模型分別降低了7.02%、0.79%和7.20%；相較于BP神經(jīng)網(wǎng)絡模型分別降低了25.04%、24.84%和24.80%；相較于多元回歸模型則分別降低了42.41%、42.33%和42.87%。由此可見，PCA-BP神經(jīng)網(wǎng)絡與多元回歸組合模型能夠有效整合不同模型的優(yōu)勢，彌補單一模型的不足，從而大幅提升預測的準確性和穩(wěn)定性。因此，本文驗證的PCA-BP神經(jīng)網(wǎng)絡與多元回歸組合模型具備實際應用價值，可為豬肉的生產(chǎn)經(jīng)營者提供科學決策支持，助力行業(yè)健康發(fā)展。然而，本文研究仍有不足之處。在篩選影響因素時，因部分數(shù)據(jù)獲取難度大、采集成本高，研究僅選取了部分核心要素開展價格預測分析。實際上，農(nóng)產(chǎn)品如豬肉價格波動受眾多復雜因素影響。因此，在后續(xù)研究中可以嘗試搜集更多與價格相關的因素數(shù)據(jù)，從而進一步提升模型的預測準確性。另外，本文僅采用了一種加權組合方法對模型進行整合。希望未來的研究中可以探索更多不同的組合方式，以實現(xiàn)更多模型間的有效融合和性能優(yōu)化。參考文獻曹琦琦.簡單產(chǎn)業(yè)鏈角度的豬肉價格影響因素[J].農(nóng)村經(jīng)濟與科技,2023,34(13):78-81.李玉鈿.我國豬肉價格波動的影響因素研究[D].長江大學,2023.DOI:10.26981/ki.gjhsc.2023.000773.薛夢帆,劉亞釗.我國城鎮(zhèn)居民豬肉消費影響因素研究[J].現(xiàn)代畜牧獸醫(yī),2022,(08):62-66.趙爽,苗興宇,白蘭馨.豬肉價格的時空相關性與影響因素分析[J].中國物價,2023,(06):102-104.張悅.基于組合模型的中國豬肉價格預測研究[D].山西農(nóng)業(yè)大學,2022.DOI:10.27285/ki.gsxnu.2022.000509.周大朋,劉凱,穆月英.基于產(chǎn)業(yè)鏈視角的生豬價格波動及其成因分析[J].中國畜牧雜志,2022,58(08):306-312.DOI:10.19556/j.0258-7033.20220506-03.劉榮杰,張潤澤,于建波.農(nóng)產(chǎn)品價格波動影響因素調(diào)查——以豬肉價格為例[J].安徽農(nóng)學通報,2021,27(18):124-127.DOI:10.16377/ki.issn1007-7731.2021.18.047.XiangC,HuM,DUY,etal.PORKPRICEFORECASTINGBASEDONPUBLICOPINIONANDPOLICYIMPACT[J].JOURNALOFNONLINEARANDCONVEXANALYSIS,2022,23(9):1967-1978.ZhangH,ShiZ,ZhouH,etal.PorkConsumptionPatternsamongRuralResidentsinChina:ARegionalandCulturalPerspective(2000–2020)[J].Agriculture,2023,13(10):1888.PangJ,YinJ,LuG,etal.SupplyandDemandChanges,PigEpidemicShocks,andPorkPriceFluctuations:AnEmpiricalStudyBasedonanSVARModel[J].Sustainability,2023,15(17):13130.NiuD,LiuD,WuDD.Asoftcomputingsystemforday-aheadelectricitypriceforecasting[J].AppliedSoftComputing,2010,10(3):868-875.XiongT,LiC,BaoY,etal.Acombinationmethodforintervalforecastingofagriculturalcommodityfuturesprices[J].Knowledge-BasedSystems,2015,77:92-102.BatesJM,GrangerCWJ.Thecombinationofforecasts[J].Journaloftheoperationalresearchsociety,1969,20(4):451-468.平平,劉大有,楊博,等.組合預測模型在豬肉價格預測中的應用研究[J].計算機工程與科學,2010,32(05):109-112.張津,張瑞斌.基于時間序列的BP神經(jīng)網(wǎng)絡豬肉價格預測[J].科技創(chuàng)新與應用,2016,(20):63.DOI:10.19981/23-1581/g3.2016.20.047.葉勇,許潘,辜麗川,等.基于Prophet-BP模型的豬肉價格預測研究[J].黃山學院學報,2021,23(05):75-80.黃增躍,方永美.基于奇異譜分解的豬肉價格組合預測[J].山西科技,2020,35(03):96-101.WuP,LiZM.ForecastresearchonChina’sporkpricebasedontheARIMA-GM-RBFhybridmodel[J].Price:Theory&Practice,2019.WangC,SunZ.MonthlyporkpriceforecastingmethodbasedonCensusX12-GM(1,1)combinationmodel[J].Plosone,2021,16(5):e0251436.涂昆昆.中國豬周期的影響因素分析及仿真對策研究[D].南昌大學,2023.DOI:10.27232/