智慧三农 | 元学习混合模型预测中国生猪价格方法研究
智慧三农 | 元学习混合模型预测中国生猪价格方法研究
摘要:精准预测生猪价格波动对维持市场供需平衡、优化生产决策及保障产业链稳定运行具有重要意义。针对传统预测方法在小样本场景下泛化能力不足的缺陷,该文构建基于季节性趋势分解(Seasonal-Trend Decomposition using LOESS,STL)与模型无关元学习(Model-Agnostic Meta-Learming,MAML)的混合预测框架。具体而言,首先通过STL分解将生猪价格时序数据解耦为趋势项、季节项和残差项3个分量,有效增强特征可解释性并抑制噪声干扰;进而设计双阶段元学习机制——在基础训练阶段,采用长短期记忆网络(Long Short-Tem Memory,LSTM)和门控循环单元(Gated Recurrent Unit,GRU)网络架构在生猪和猪肉价格上进行多任务预训练,学习跨品种价格波动的共享特征表示;在快速适应阶段,通过MAML的内循环参数微调与外循环元参数更新的协同优化,实现模型在小样本目标场景的快速迁移。实证结果表明,该方法在均方根误差(RMSE)和平均绝对误差(MAE)指标上较基准模型提升效果显著,为农业经济预警系统的构建提供可解释、可迁移的决策分析工具。