基于python机器学习算法的农产品价格预测可视化分析开题报告_2016 ccf-农产品价格预测

选题意义(不少于300字):

中国自古以来就是一个农业大国，农业关系到国计民生，是国民经济的支柱产业。农产品价格是否合理，不仅影响农业生产的发展，农产品的流通、消费和农民的收入水平，而且影响工业品的成本和价格，影响国家同农民之间、城乡人民之间以及农民内部的物质利益关系，对整个社会经济生活的安定也关系重大。与其他一般商品不同，农产品价格受到气候、供求关系、宏观经济等因素的影响后波动性较大。近年来，有关国内农产品涨价的信息频频见诸媒体，有些城市已经吃不到3元以下的蔬菜了，而春节前批发价只有五六元一斤的绿豆，如今接近10元钱。最疯狂的涨价产品是大蒜，借“甲流”概念疯涨过后，又卷土重来，据报道，河南大蒜身价短时间内涨了100倍。针对波动幅度如此之大的农产品价格，能否对其进行宏观调控与管理，不仅关系到广大农民的生计问题，更是影响国计民生的头等大事。如果能够通过大量历史数据的分析，预测未来的价格走势，就能为决策者提供更有力的数据支持，从而制定出更为科学合理的政策。

研究综述(前人的研究现状及进展情况，不少于600字):

国内研究现状：

在国内，通过数据分析对农产品市场价格预测这个问题的研究起步较晚，但也取得了很好的进展，不同于国外市场研究理论与农产品的关系。中国农产品的主要研究重点是其价格的形成，以及长期因素的分析，重点是供给，需求，生产成本，流通环节因素。

  例如1982年，邓聚龙在[1]中创立了灰色系统理论，主要研究的“小样本,信息不良’的不确定系统。2010年，罗勇[2]在[2]中运用ARMA模型用时间序列模型进行分析，巧妙的使用农产品生产价格指数这一因素，从而更好地反映其动态变化，对促进中国农产品价格市场稳定运行提供了极大的参考价值；2008年，王舒鸿在[3]中考虑在数据信息等因素不完整的前提下，采用灰色预测方法预测鸡蛋价格。

  国外研究现状：

国外对农产品的研究更关注市场波动理论与农产品之间的关系。主要关注农立品价格波动的传统影响因素以及市场波动理论对农产品价格波动的影响。在大多数情况下，考虑到农产品的影响因素，建立回归模型，并使用单一预测模型进行预测。1986年，在[10]中Rumelhat，Hinton和 Williams 开发BP 神经网络，并根据不同的连接方法形成了不同的网络。BP 神经网络基于神经网络时间序列预测，通过对历史数据的不断训练，记忆和学习时间序列的发展规律，并利用该规律预测其未来发展趋势。预测精度已提高了几个数量级。1995 年，Vapnik 在[4]中领导了AT 贝尔实验室研究团队的支持向量机分类技术，该技术属于小样本。非线性和高维模式识别具有许多独特的优点，可以应用于功能拟合。支持向量机对丢失数据非常敏感

研究的目标和主要内容（不少于400字）

2、研究目标和内容

  通过查阅国内外文献，利用python语言构建B/S架构的web管理系统，通过爬虫采集主流网站的农产品数据，进行数据采集、清洗、然后通过Echart进行数据可视化分析，同时把多个价格进行对比，通过机器学习建立线性回归模型进行价格预测，最终可视化分析和预测结果通过web网页端进行可视化展示，前端采用html、css3、javascript，bootstrap2响应式框架

工作重点：

1. 数据的采集与获取
2. 数据清洗与分类
3. 可视化网站搭建
4. 机器模型搭建