一种猪肉供给和价格波动预测与调控方法、系统及介质与流程

1.本发明属于农产品价格预测与调控技术领域，尤其涉及一种猪肉供给和价格波动预测与调控方法。


背景技术：

2.目前，生猪产业的发展满足居民对猪肉及其产品的营养需求的同时，也为养猪户增收、就业、以及相关产业的发展等做出重要贡献。生猪产业的健康发展更关系到食品安全、社会稳定以及国民经济的协调发展。
3.近年来，猪肉价格频繁波动，生猪价格的波动直接关系到养猪户的利益，对普通居民在饮食方面也产生一定影响。预测猪肉供需值及未来猪肉价格走势，能够科学指导生产布局，对稳定猪肉价格有效供应，促进生猪产业结构调整，稳定物价等都具有重要的意义。
4.农产品价格预测目前主要的预测方法有计量经济预测法、数理统计预测法、智能模型法和组合预测法。计量经济预测法侧重于分析经济现象中因果关系，常用方法是回归分析法。例如，选择影响农产品价格的关键影响因素，建立影响因素与农产品价格之间的回归模型，从而对某个时期的农产品价格进行预测。实际情况下，影响农产品价格波动的影响因素有很多，数据收集存在困难，且不同因素对价格的影响程度、影响时间不一相同，这些都对价格预测工作带来了很多不便。数理统计预测法中，较为广泛的应用是时间序列预测法。时间序列预测模型主要是根据历史数据的规律和特点建模，对未来进行预测。此类模型在线性时间序列中具有良好的预测效果。近年来人工智能技术的快速发展，智能模型法也被学者们广泛应用于农产品价格预测中。目前主流的智能模型法需要大量样本进行训练，如果训练样本不足，会导致预测拟合度差、精度低等问题。组合预测法能够结合单一预测模型的优势，表现出更好的预测精度。组合法预测精度要高于其他方法，但它的局限性来自组合子模型的局限性。
5.现有的成果针对某一时期的农产品价格预测偏多，但从长期猪肉供需平衡角度出发，展开对猪肉供需情况和价格走势的预测较少。这导致了现有成果难以从猪肉的供应和需求情况出发，提供猪肉供需预测值，并且不能基于供需值给出价格走势预测。给出参考意见。开展猪肉价格趋势的分析与研究，预测猪肉供需值及未来猪肉价格走势，科学指导生产布局，对稳定猪肉价格有效供应，促进生猪产业结构调整，稳定物价等都具有重要的意义。
6.围绕农产品价格预测，多年来国内外开展了广泛的研究与探索。目前主要的预测方法有计量经济预测法、数理统计预测法、智能模型法和组合预测法。计量经济预测法侧重于分析经济现象中因果关系，最常用的方法是回归分析法。马孝斌等人选择了6个影响生猪价格的关键影响因素进行关联分析，建立影响因素与生猪价格之间的向量自回归模型，从而对某个时期的生猪价格进行预测。实际情况下，影响猪肉价格波动的影响因素有很多，数据收集存在困难，且不同因素对价格的影响程度、影响时间不一相同，这些都对价格预测工作带来了很多不便。数理统计预测法中，较为广泛的应用是时间序列预测法。时间序列预测模型主要是根据历史数据的规律和特点建模，对未来进行预测。此类模型在线性时间序列
中具有良好的预测效果。近年来人工智能技术的快速发展，智能模型法也被学者们广泛应用于农产品价格预测中。例如，曾弘等人使用bg神经网络模型，实现了对生猪价格周期性预测，验证了深度学习模型对非线性时间序列具有良好的预测能力，且能够学习到序列之间的依赖关系。楼文高等人使用广义回归神经网络(grnn)对上海日度生猪价格进行建模，发现grnn网络相较下具有较好的鲁棒性和预测精度。目前主流的智能模型法需要大量样本进行训练，如果训练样本不足，会导致预测拟合度差、精度低等问题。组合预测法能够结合单一预测模型的优势，表现出更好的预测精度。任青山等人提出了一种基于bp神经网络模型和多元回归分析模型结合的方法，预测精度比单一模型要高。组合法预测精度要高于其他方法，但它的局限性来自组合子模型的局限性。
7.通过上述分析，现有技术存在的问题及缺陷为：
8.(1)实际情况下，影响农产品价格波动的影响因素有很多，数据收集存在困难，且不同因素对价格的影响程度、影响时间不一相同。
9.(2)目前主流的智能模型法需要大量样本进行训练，如果训练样本不足，会导致预测拟合度差、精度低等问题，而组合法存在组合子模型的局限性，在猪肉供需预测值上预测准确度偏低。
10.(3)从长期猪肉供需平衡角度出发，展开对猪肉供需情况和价格走势的预测较少，导致现有成果难以从猪肉的供应和需求情况出发，不能提供猪肉供需预测值，并基于供需值给出价格走势预测。使得猪肉供需预测数据准确度偏低。
11.本发明采用了猪肉供需平衡调控新视角研究思路，并从猪肉价格预测与调控两个角度出发，首先预测未来10个月的猪肉供应量，以及在供需平衡下的猪肉需求量，在供应量和需求量基础上，采用供需均衡理论，预测未来10个月的猪肉价格走势。猪肉供应量由能繁母猪存栏量、投放量和进口量三者共同决定，因此，当猪肉价格出现波动时，能够通过调控能繁母猪存栏量、投放量和进口量来调控猪肉价格。从而，达到指导国家及时合理调控猪肉供给，促进稳定猪肉价格波动的目的。
12.然而，在猪肉供需平衡调控模型应用实践过程中，对猪肉价格精准预测依赖于所需数据的完整性和准确性。随着数据不断积累、更新和完善，模型能够学习到更多数据，对未来价格的预测才能越来越精准。


技术实现要素：

13.针对现有技术存在的问题，本发明提供了一种猪肉供给和价格波动预测与调控方法、系统、介质、设备及终端，尤其涉及一种基于供需均衡理论的猪肉供给和价格波动预测与调控方法、系统、介质、设备及终端。
14.本发明是这样实现的，一种猪肉供给和价格波动预测与调控方法，包括：
15.汇集多个数据来源进行比较来确定数据的准确性，并在数据采集过程中采用etl工具，通过数据库直连、数据接口、网络抓取、数据文件上报方式采集结构化数据和非结构化数据，通过定量分析能繁母猪和下期猪肉产量之间的关系来构建猪肉供给量预测模型，利用构建的猪肉供应量预测模型预测未来猪肉供应量值；
16.从数据缺失值、数据颗粒度更加细化、异常值、数据标准化、数据标签错误等方向对数据重新清洗使得拟合度、精度趋于合理化的区间；基于市场交易量历史数据构建猪肉
需求量预测模型，预测未来时间猪肉需求量值；
17.数据不断积累、更新和完善，猪肉需求量预测模型学习到更多数据，将预测的猪肉供应量值和需求量值作为输入因素，利用构建的猪肉供需均衡价格调控模型预测未来猪肉价格信息，并进行可视化示出。
18.进一步，所述方法具体包括：
19.进口+投放量调控：可调控当前月之后数据，影响指定月份的预测价格及预测供应数据。调控进口+投放量值越大，影响调控月的预测价格曲线越低，预测供应曲线越高。
20.能繁母猪存栏量调控：可调控当前月之后两月内(包含未来两月)内数据，直接影响调控月后十月的预测价格、预测供应和预测需求。调控能繁母猪存栏量值越大，影响十月后的预测供应量越高、预测价格越低。
21.年度需求量预测修订：可通过全年需求量或者当年某个月需求量进行数据修订，修改全年需求量，系统会根据以下模型自动计算每月需求量数据并进行预测。若修改月份数据，只可操作当前月之后的数据，修改月份数据，全年需求量亦会发生改变，全年需求量＝每月需求量之和。修订数据后，会影响修订月份的预测价格、预测需求、预测供应数据。修订需求量值越大，影响相关月份的预测需求越高、预测价格越高。
22.年度msy修订：可通过去年msy或者去年某月msy进行数据修订，修改年度msy系统会根据以下模型比例自动计算每月msy数据并进行预测。若修改月份数据，只可操作当前月之后的数据，修改月份数据，年度msy亦会发生改变，年度msy＝每月msy之和。修订数据后，会影响修订月份的预测价格、预测需求、预测供应数据。修订msy值越大，影响第二年相关月份的预测供应越高、预测价格越低。
23.供需平衡价格修订：可通过年度供需平衡价格或者某月的供需平衡价格进行数据修订，修改全年供需平衡价格系统会根据供需价格自动同步当前月之后数据并进行预测。若修改月份数据，只可操作当前月之后的数据。
24.调控或修订方法均可组合操作，若同时存在调控、修订数据，模型会先根据调控后的数据在进行修订补充，最终返回预测价格、预测供应、预测需求数据展示在折线图中，通过界面“保存”按钮进行数据存储，方便下次查看或二次调控、修订；也可通过历史记录列表，展示以往保存成功的调控数据，点击“设为当前”；
25.在处理预测数据方面，利用etl工具，通过数据库直连、数据接口、网络抓取、数据文件上报方式采集结构化数据和非结构化数据；通过使用线性回归模型、皮尔逊相关系数、偏差值反向矫正法、stl时间序列分解法、最小二乘法约束法、定价模型中供需法则等各类算法对数据进行分析与建模，利用数据技术实现预测与调控的应用服务；在数据抽取方面，利用校验、连接、分隔、合并、转置、排序、合并、克降、排重、过滤、删除、替换等插件将来源分散的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后装载到目标数据源中；在预测数据处理过程中，在统一的对象模型基础之上，通过内建函数库提供上百种数据处理相关的功能函数及各种运算符，可对这些函数进行组合；数据多线程并线处理，利用多核cpu的计算能力；
26.通过数据处理的相关框架对平台中的数据进行计算，在清洗转换时，通过多个计算节点提高计算力，实现数据的快速清洗；并能够提供数据计算的极速响应；通过数据的批处理技术，实现对历史库及预测库的持续计算及更新；通过数据的流处理技术，实现对多种
数据源、多种数据结构的数据采集、清洗、融合，实现数据的多维度分析。
27.进一步，猪肉供给和价格波动预测与调控方法包括：
28.利用构建的猪肉供应量预测模型预测未来猪肉供应量值；
29.基于市场交易量历史数据构建猪肉需求量预测模型，预测未来时间猪肉需求量值；
30.将预测的猪肉供应量值和需求量值作为输入因素，利用构建的猪肉供需均衡价格调控模型预测未来猪肉价格信息，并进行可视化输出。
31.进一步，所述猪肉供给和价格波动预测与调控方法包括以下步骤：
32.步骤一，利用生猪生产周期性规律建模，定量分析能繁母猪和下期猪肉产量之间的关系，构建猪肉供应量预测模型，预测和调控中短期猪肉供给量；
33.步骤二，利用猪肉消费习惯导致猪肉需求量呈现明显的季节性周期波动规律的特点，构建猪肉需求量预测模型，推导未来猪肉需求量走势；
34.步骤三，以供应量、需求量作为主要输入，利用定价模型中供需法则，构建猪肉供需均衡价格调控模型，进而预测未来中短期猪肉价格走势。
35.进一步，所述步骤一中的构建猪肉供给量预测模型包括：
36.通过定量分析能繁母猪和下期猪肉产量之间的关系来构建猪肉供给量预测模型，预测和调控未来中短期猪肉供给量。猪肉供给量由本期生猪出栏量决定，生猪出栏量由前期生猪存栏量决定，生猪存栏量由前期能繁母猪存栏量决定。通过构建生猪出栏量、能繁母猪存栏量与猪肉产量三者之间的关系模型，实现按月份的中短期预测猪肉产量功能。生猪出栏量影响当期猪肉产量，能繁母猪存栏量影响未来10个月后的生猪出栏量。
37.进一步，所述步骤一中的构建猪肉供给量预测模型具体包括：
38.(1)构建猪肉产量与生猪出栏量之间的线性回归模型
[0039][0040]
其中，表示在m
t
月的猪肉产量，单位为万吨；表示在m
t
月的生猪出栏量，单位为万头；α表示出肉均重，是一头出栏猪能产出的猪肉量，单位为吨/头；β表示固定参数；根据历史数据拟合结果，α＝0.0781，β＝0.0000。
[0041]
(2)构建生猪出栏量与能繁母猪存栏量之间的关系模型
[0042]
能繁母猪存栏量主要由每年每头母猪出栏生猪的头数msy和生猪出栏量决定，根据猪群周转规律，构建能繁母猪存栏量与生猪出栏量之间的关系模型。
[0043]
年度能繁母猪存栏量与年度生猪出栏量之间关系为：
[0044][0045]
月度能繁母猪存栏量与月度生猪出栏量之间关系为：
[0046][0047][0048]
由月度能繁母猪存栏量与月度生猪出栏量之间的关系公式，得：
[0049][0050]
[0051]
其中，表示yi年的生猪出栏量；表示yi年的每头母猪出栏生猪的头数；表示yi年的能繁母猪存栏量；表示在m
t
月的生猪妊娠率；表示在m
t
月的生猪生产率；表示在m
t
月的每头母猪出栏生猪的头数；表示在m
t
月的能繁母猪存栏量。
[0052]
构建猪肉产量与能繁母猪存栏量关系模型为：
[0053][0054]
(3)推算历史月度猪肉产量
[0055]
采用数理统计学思路，利用数据分析的方法寻找数据之间相关性，在原始季度数据的基础上，推算月度猪肉产量和能繁母猪存栏量。
[0056]
使用月度生猪屠宰量变化趋势推算月度猪肉产量。生猪屠宰量与猪肉产量数据走势曲线有一定相关性，且两者皮尔逊相关性系数pccs＝0.548，p值＝0.012；生猪屠宰量与猪肉价格有两者之间皮尔逊相关性系数pccs＝0.7，p值远小于0.0001；使用每个季度内月度生猪屠宰量变化趋势推算每个季度内月度猪肉产量；
[0057][0058]
其中，表示在yi年t月的猪肉产量；表示在yi年j季度的猪肉产量；表示在yi年t月的生猪屠宰量；表示在yi年j季度的生猪屠宰量，j＝1,2,3，4；当j=1时，t∈{1，2，3}；当j=2时，t∈{4，5，6}；当j=3时，t∈{7，8，9}；当j=4时，t∈{10，11,12}。
[0059]
(4)推算历史月度能繁母猪存栏量
[0060]
使用季度末能繁母猪存栏量和月度能繁母猪存栏量的环比值，推算月度能繁母猪存栏量；非季度末月份的能繁母猪存栏是以能繁母猪存栏季度末数据为基数，根据能繁母猪存栏月度变化率推算而得；
[0061][0062][0063]
其中，表示推算的在yi年t月的能繁母猪存栏量；表示公布的在yi年t月的能繁母猪存栏量环比值；表示公布的在yi年j季度末的能繁母猪存栏量。
[0064]
根据月度环比值推算结果与公布的季度末能繁母猪存栏量之间存在偏差；使用偏差值反向矫正法，修正环比值计算结果；
[0065][0066][0067]
其中，表示在yi年j季度的环比值推算结果与公布的季度末能繁母猪存栏量
之间的偏差值；表示修正后的在yi年t月的能繁母猪存栏量。
[0068]
(5)预测未来月度生产率
[0069]
根据历史月度猪肉产量和月度能繁母猪存栏量，计算月度生产率；
[0070][0071]
使用月平均生产率趋势来推算未来生产率；
[0072][0073][0074]
其中，表示在yi年t月的生产率，i＝1,2，
…
n；表示t月的月平均生产率，t＝1,2,
…
12；表示t月的月平均生产率趋势值。
[0075]
未来月度生产率由月平均生产率趋势和年总生产率决定，年总生产率由上一年月度生产率总和表示，上一年的年msy表示为：
[0076][0077]
其中，表示在y
i+1
年t月的预测生产率；年msy由农产品经济学专家根据当下猪肉产业链情况设定或调整。
[0078]
(6)预测未来猪肉产量
[0079]
利用公式根据推算的历史月度能繁母猪存栏量、以及计算的月度生产率计算未来10个月的猪肉产量。
[0080]
进一步，所述步骤二中的构建猪肉需求量预测模型包括：
[0081]
采用季节周期预测法，对月度猪肉需求量趋势进行预测。对农贸市场日度猪肉交易量数据处理计算出猪肉月度交易量。提取季度波动规律，作为猪肉月度需求量波动趋势；采用stl时间序列分解法，从交易数据中分解出猪肉需求量的月度季节性波动曲线，作为月度猪肉需求量趋势。stl时序分解将时序分解为趋势项、季节项、余项，分别用代表数据项，趋势项、季节项和余项；使用季节项sv表示月度猪肉需求量趋势，分解公式如下式所示：
[0082][0083]
所述构建猪肉需求量预测模型具体包括：
[0084]
(1)计算月猪肉交易量
[0085]
使用月平均交易量来表示月猪肉交易量；
[0086][0087]
其中，表示在m
t
月的平均猪肉交易量；表示第m
t
月第k天的猪肉交易量，表示第m
t
月累计交易天数。
[0088]
(2)提取猪肉需求趋势和计算月猪肉需求量
[0089]
使用历史月度猪肉交易量数据，基于stl模型，抽取季节项si，表示为1～12月猪肉需求量趋势每个月猪肉需求量为年猪肉总需求量与猪肉需求趋势之积；
[0090][0091]
其中，mi表示第i月，i＝1,2,
…
,12；表示第i月猪肉需求量趋势值；d
year
表示年猪肉总需求量；表示第i月猪肉需求量。
[0092]
进一步，所述步骤三中的构建猪肉供需均衡价格调控模型包括：
[0093]
利用定价模型中供需法则，推导在需求量恒定的情况下，猪肉供应量与需求量比值和价格之间关系。使用国内猪肉产量、投放量、进口量的总和代表猪肉供应量，生猪出场价格代表猪肉价格，猪肉需求量预测模型得出的需求量代表猪肉需求量。使用最小二乘法约束法来探索猪肉供需比与猪肉价格之间关系，构建两者之间的数据关系模型，当猪肉供应量和需求量确定时，推断猪肉价格。
[0094]
所述构建猪肉供需均衡价格调控模型具体包括：
[0095]
(1)猪肉价格预处理
[0096]
使用月度生猪出场价格代表月猪肉价格，引入猪肉白条价格去补充缺失数据，建立生猪出场价与猪肉白条价两者线性回归模型；
[0097][0098]
其中，表示在mi月的生猪出场价格，单位为元/公斤；表示在mi月的白条猪肉价格，单位为元/公斤；根据历史数据拟合结果，θ＝0.7386，γ＝0.0000。
[0099]
(2)构建猪肉供需比与猪肉价格之间数学模型
[0100]
使用最小二乘法约束法构建猪肉供需比与猪肉价格之间数学模型；
[0101][0102][0103][0104]
其中，表示在m
t
月的猪肉供应量与猪肉需求量的比值；表示在m
t
月的猪肉供应量；表示在m
t
月的国内猪肉产量；表示在m
t
月的国内猪肉投放量；表示在m
t
月的猪肉进口量；表示在m
t
月的猪肉需求量；根据历史数据拟合结果得，ω＝-1.58，拟合优度r2＝0.5175；使用猪肉价格历史数据验证模型，预测平均相对误差小于15％。
[0105]
本发明的另一目的在于提供一种实施所述的猪肉供给和价格波动预测与调控方法的猪肉供给和价格波动预测与调控系统，所述猪肉供给和价格波动预测与调控系统包括：
[0106]
猪肉供应量预测模块，用于利用生猪生产周期性规律建模，定量分析能繁母猪和下期猪肉产量之间的关系，构建猪肉供应量预测模型，进而预测和调控中短期猪肉供给量；
[0107]
猪肉需求量预测模块，用于利用猪肉消费习惯导致猪肉需求量呈现明显的季节性周期波动规律的特点，构建猪肉需求量预测模型，进而推导未来猪肉需求量走势；
[0108]
猪肉供需均衡价格调控模块，用于以供应量、需求量作为主要输入，利用定价模型
中供需法则，构建猪肉供需均衡价格调控模型，进而预测未来中短期猪肉价格走势。
[0109]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述的猪肉供给和价格波动预测与调控方法的步骤。
[0110]
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述的猪肉供给和价格波动预测与调控方法的步骤。
[0111]
本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端用于实现所述的猪肉供给和价格波动预测与调控系统。
[0112]
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
[0113]
实际情况下，影响农产品价格波动的影响因素有很多，数据收集也会存在较大的困难，但是我们通过多方查找和沟通合作，汇集多个数据来源进行比较来确定数据的准确性，并在数据采集过程中采用etl工具，通过数据库直连、数据接口、网络抓取、数据文件上报等方式采集结构化数据和非结构化数据，通过数据的业务关系将数据的颗粒度更加的细化使得数据的准确度提高。
[0114]
(2)目前主流的智能模型法需要大量样本进行训练，如果训练样本不足，会导致预测拟合度差、精度低等问题，在面对这些问题主要从数据缺失值、数据颗粒度更加细化、异常值、数据标准化、数据标签错误等方向对数据重新清洗使得拟合度、精度等问题趋于合理化的区间，并让猪肉供需预测数据准确度提高。
[0115]
从长期猪肉供需平衡角度出发，展开对猪肉供需情况和价格走势的预测较少，导致现有成果难以从猪肉的供应和需求情况出发，不能提供猪肉供需预测值，但是在猪肉供需平衡调控模型应用实践过程中，随着数据不断积累、更新和完善，模型能够学习到更多数据，对未来价格的预测才能越来越精准。
[0116]
本发明提供的猪肉供给和价格波动预测与调控方法运用统计学、计量经济学等方法对猪肉供需值、未来10个月全国生猪出场价格走势进行预测分析。同时，本发明提供了调整影响猪肉供应量的核心因素来调节未来猪肉价格走势的方法。
[0117]
本发明采用的是交叉学科研究方法，综合运用到数理统计学、供需理论、时间序列、回归分析等理论或方法。首先，利用生猪生产周期性规律建模，以能繁母猪是生猪生产的基础和市场供应的“总开关”为基础，定量建立能繁母猪和下期猪肉产量之间的关系，构建猪肉供应量预测模型，从而预测和调控中短期猪肉供给量；再利用猪肉消费习惯导致猪肉需求量呈现明显的季节性周期波动规律的特点，构建猪肉需求量预测模型，推导未来猪肉需求量走势；最后，以供应量、需求量作为主要输入，利用定价模型中供需法则，构建猪肉供需均衡价格调控模型，进而预测未来中短期猪肉价格走势。
[0118]
本发明提供的猪肉供给和价格波动预测与调控方法，基于供需均衡理论，能够指导国家、养殖户及时合理调控猪肉供给，促进各时刻的猪肉供需能够达到平衡，解决猪肉供给和价格波动问题，保证生猪产业再生产顺利进行。
[0119]
本发明的技术方案是否克服了技术偏见：从以往研究来看，学者们针对某一时期的猪肉价格预测研究较多。但从长期猪肉供需平衡角度出发，展开对猪肉供需情况和价格
走势的预测较少。现有研究难以从猪肉的供应和需求情况出发，提供猪肉供需预测值，并基于供需值给出价格走势预测，从而为国家宏观调控政策提供指导决策。为此，本发明以全国生猪出场价格为研究对象，对猪肉供需平衡理论的方法和模型进行研究，运用统计学、计量经济学等方法对猪肉供需值、未来10个月全国生猪出场价格走势进行预测分析。同时，本发明实施例提供了调整影响猪肉供应量的核心因素来调节未来猪肉价格走势的思路和方法。从而，指导国家、养殖户及时合理调控猪肉供给，促进各时刻的猪肉供需能够达到平衡，解决猪肉供给和价格波动问题，保证生猪产业再生产顺利进行。
附图说明
[0120]
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
[0121]
图1是本发明实施例提供的猪肉供给和价格波动预测与调控方法流程图；
[0122]
图2是本发明实施例提供的猪肉供给和价格波动预测与调控方法思路图；
[0123]
图3是本发明实施例提供的猪肉供给和价格波动预测与调控方法技术路线图；
[0124]
图4是本发明实施例提供的生猪生长阶段关系转换图；
[0125]
图5是本发明实施例提供的模型构建思路图；
[0126]
图6是本发明实施例提供的猪肉月平均交易量的曲线图；
[0127]
图7是本发明实施例提供的猪肉需求量季节性波动曲线图；
[0128]
图8是本发明实施例提供的猪肉供应量/需求量与猪肉价格之间关系的拟合示意图；
[0129]
图9本发明实施例提供的猪肉供应量/需求量与猪肉价格之间关系的实际示意图；
[0130]
图10(a)本发明实施例提供的模型进入页面系统默认展示效果图；
[0131]
图10(b)本发明实施例提供的模型数据曲线展示效果图
[0132]
图10(c)本发明实施例提供的模型数据展示和调控系统界面图
具体实施方式
[0133]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0134]
针对现有技术存在的问题，本发明提供了一种猪肉供给和价格波动预测与调控方法、系统、介质、设备及终端，下面结合附图对本发明作详细的描述。
[0135]
实施例1
[0136]
本发明实施例提供的基于供需均衡理论的猪肉价格预测与调控方法，运用交叉学科研究方法，结合软件系统，综合运用到数理统计学、供需理论、时间序列、回归分析、计量经济学等方法对猪肉供需值、未来10个月全国生猪出场价格走势进行预测分析。同时，本发明提供了调整影响猪肉供应量的核心因素来调节未来猪肉价格走势的方法。包括如下步骤：
[0137]
步骤一，开展猪肉供应量预测。通过定量分析能繁母猪和下期猪肉产量之间的关系来构建猪肉供给量预测模型。即生猪出栏量与猪肉产量具备较大相关性，建立生猪出栏量与猪肉产量之间线性回归模型；能繁母猪存栏量主要由每年每头母猪出栏生猪的头数(简称msy)和生猪出栏量决定。其中月度生产率，由生产率趋势、年度msy计算而得，年度msy受疫情、政策等因素影响。本方案年度msy可由专家来调节，在系统中默认年度msy为18.19。由此猪群周转规律，构建能繁母猪存栏量与生猪出栏量之间的关系模型。通过以上两个模型合并以及猪群周转规律，使用近10个月的能繁母猪存栏量和生产率来预测未来10个月猪肉产量。
[0138]
步骤二，开展猪肉需求量预测。利用猪肉消费习惯导致猪肉需求量呈现明显的季节性周期波动规律的特点，采用季节周期预测法，对月度猪肉需求量趋势进行预测。使用农贸市场日度猪肉交易量数据，计算猪肉月度交易量。从多年来的月交易量时序中，提取季度波动规律，将其作为猪肉月度需求量波动趋势。采用stl时间序列分解法，从交易数据中分解出猪肉需求量的月度季节性波动曲线，将其作为月度猪肉需求量趋势。年总猪肉产量可由农产品经济学专家根据当下猪肉产业链情况设定或调整，本发明以农业农村部提出的正常年份全国猪肉产量在5500万吨时的生产数据为参照，设定在猪肉供需平衡情况下，猪肉的需求量与产量之间相互持平，年猪肉总需求量为5500万吨。在年猪肉总需求量为5500万吨情况下，结合猪肉需求量趋势值，计算1至12月猪肉需求量。
[0139]
步骤三，构建猪肉供需均衡价格模型。利用定价模型中供需法则，推导在需求量恒定的情况下，猪肉供应量与需求量比值(以下简称供需比)和价格之间关系。在国家政策调整、疫病疫情等其他因素不变的情况下，价格与供需比之间呈现下降趋势，即，供需比越高，价格越低，供需比越低，价格越高。本发明使用国内猪肉产量、投放量、进口量的总和代表猪肉供应量，生猪出场价格代表猪肉价格，猪肉需求量预测模型得出的需求量代表猪肉需求量。使用最小二乘法约束法来探索猪肉供需比与猪肉价格之间关系，构建两者之间的数据关系模型，当猪肉供应量和需求量确定时，即可推断猪肉价格。
[0140]
为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
[0141]
本发明实施例提供的猪肉供给和价格波动预测与调控方法包括：利用构建的猪肉供应量预测模型预测未来猪肉供应量值；
[0142]
基于市场交易量历史数据构建猪肉需求量预测模型，预测未来时间猪肉需求量值；
[0143]
将预测的猪肉供应量值和需求量值作为输入因素，利用构建的猪肉供需均衡价格调控模型预测未来猪肉价格信息，并进行可视化输出。
[0144]
实施例2
[0145]
如图1所示，本发明实施例提供的猪肉供给和价格波动预测与调控方法包括以下步骤：
[0146]
s101，利用生猪生产周期性规律建模，定量分析能繁母猪和下期猪肉产量之间的关系，构建猪肉供应量预测模型，预测和调控中短期猪肉供给量；
[0147]
s102，利用猪肉消费习惯导致猪肉需求量呈现明显的季节性周期波动规律的特点，构建猪肉需求量预测模型，推导未来猪肉需求量走势；
[0148]
s103，以供应量、需求量作为主要输入，利用定价模型中供需法则，构建猪肉供需均衡价格调控模型，进而预测未来中短期猪肉价格走势。
[0149]
实施例3
[0150]
本发明实施个例汇集多个数据来源，进行数据准确性的确定，并在数据采集过程中采用etl工具，通过数据库直连、数据接口、网络抓取、数据文件上报方式采集结构化数据和非结构化数据，通过定量分析能繁母猪和下期猪肉产量之间的关系来构建猪肉供给量预测模型，利用构建的猪肉供应量预测模型预测未来猪肉供应量值；
[0151]
从数据缺失值、数据颗粒度更加细化、异常值、数据标准化、数据标签错误等方向对数据重新清洗使得拟合度、精度趋于合理化的区间；基于市场交易量历史数据构建猪肉需求量预测模型，预测未来时间猪肉需求量值；将数据不断进行积累、更新和完善，猪肉需求量预测模型利用不断获取数据学习训练；
[0152]
将预测的猪肉供应量值和需求量值作为输入因素，利用构建的猪肉供需均衡价格调控模型预测未来猪肉价格信息，并进行可视化输出。
[0153]
通过对调控进口+投放量的调控，可以获得指定月份的预测价格及预测供应数据；调控值的大小和价格曲线呈现正相关，和供应曲线呈现负相关。通常对于进口+投放量的调控按照海关数据猪肉进口量的数据为参考。
[0154]
通过调控能繁母猪存栏量可以直接影响调控月后十个月的预测价格、预测供应和预测需求；因为本发明是按照以能繁母猪是生猪生产的基础和市场供应的“总开关”为基础，所以调控能繁母猪存栏量值越大，影响十个月后的预测供应量越高、预测价格越低；从而验证了供大于求，价格下降；供小于求，价格上升的基本供需理念。
[0155]
通过对需求量预测修订，可以分为全年需求量或者当年某个月需求量进行数据修订：修改全年需求量数据，系统会根据以下模型比例自动计算每月需求量数据并进行预测；修改月份需求量数据，只可操作当前月之后的数据，修改月份数据，全年需求量亦会发生改变，全年需求量＝每月需求量之和。修订需求量数据后，会影响修订月份的预测价格、预测需求、预测供应数据。按照农业农村部提出的正常年份全国猪肉产量在5500万吨时的生产数据为参照设定在猪肉供需平衡情况下，猪肉的需求量与产量之间相互持平，年猪肉总需求量为5500万吨。修订需求量也可以验证了供大于求，价格下降；供小于求，价格上升的基本供需理念。
[0156]
年度msy修订，可以通过去年度msy或者去年某月msy进行数据修订：修改年度msy系统会根据模型比例自动计算每月msy数据并进行预测；修改月份msy数据，只可操作当前月之后的数据，修改月份数据，年度msy亦会发生改变，年度msy＝每月msy之和。每年每头母猪出栏生猪的头数简称msy(属于供应端)。
[0157]
供需平衡价格修订，可以通过年度供需平衡价格或者某月的供需平衡价格进行数据修订：修改全年供需平衡价格系统会根据供需价格自动同步当前月之后数据并进行预测；若修改月份数据，只可操作当前月之后的数据。供需平衡价格使用最小二乘法约束法探索猪肉供应量和需求量比值与猪肉价格之间关系，构建两者之间的数据关系模型。当猪肉供应量和需求量确定时，推断猪肉价格。
[0158]
以上五种调控/修订规则均可组合操作，若同时存在调控、修订数据，模型会先根据调控后的数据在进行修订补充，最终返回预测价格、预测供应、预测需求等数据展示在折
线图中，可通过界面“保存”按钮进行数据存储，方便下次查看或二次调控、修订；也可通过历史记录列表，展示以往保存成功的调控数据，点击“设为当前”；
[0159]
在处理预测数据方面，利用etl工具，通过数据库直连、数据接口、网络抓取、数据文件上报方式采集结构化数据和非结构化数据；通过使用20余种各类算法对数据进行分析与建模，利用数据技术实现预测与调控的应用服务；内置32个转换插件、11个调度插件，以及7个外部插件；在预测数据处理过程中，在统一的对象模型基础之上，通过内建函数库提供上百种数据处理相关的功能函数及各种运算符，可对这些函数进行组合，从而提供灵活的数据处理能力；数据多线程并线处理，利用多核cpu的计算能力；
[0160]
通过数据处理的相关框架对平台中的数据进行计算，在清洗转换时，通过多个计算节点提高计算力，实现数据的快速清洗；并能够提供数据计算的极速响应；通过数据的批处理技术，实现对历史库及预测库的持续计算及更新；通过数据的流处理技术，实现对多种数据源、多种数据结构的数据采集、清洗、融合，实现数据的多维度分析，为分析应用提供数据及计算服务。
[0161]
实施例4
[0162]
本发明实施例提供的猪肉供给和价格波动预测与调控方法思路图如图2所示。
[0163]
首先，开展猪肉供应量预测。我国猪肉供应量主要来源于国内猪肉产量，还有小部分来自国家投放和国外进口。针对主要供应，通过构建猪肉供应量预测模型，预测未来国内猪肉产量。针对其他供应，投放量、进口量均属于国家调控因素，难以提前预测。其他供应仅作为调控猪肉价格走势的因素来使用。
[0164]
其次，开展猪肉需求量预测。基于猪肉农贸市场交易量历史数据，构建猪肉需求量预测模型，预测未来月度猪肉需求量走势。
[0165]
最后，基于定价模型中供需法则，构建猪肉供需均衡价格调控模型，将预测的猪肉供应值和需求值作为输入，预测未来近10个月的猪肉价格走势。
[0166]
实施例5
[0167]
作为优选实施例，如图3所示，本发明实施例提供的猪肉供给和价格波动预测与调控方法包括以下步骤：
[0168]
1、构建猪肉供给量预测模型
[0169]
影响猪肉供给量的因素有很多，例如国家政策信息、生产成本、疫病疫情等，这些因素对猪肉供给都有很大影响。然而，无论各类因素如何影响，生猪生产都有内在的规律性。能繁母猪是生猪生产的基础和市场供应的“总开关”，能繁母猪存栏量的增减直接影响10个月后的生猪供给，本发明通过定量分析能繁母猪和下期猪肉产量之间的关系来构建猪肉供给量预测模型，预测和调控未来中短期猪肉供给量。
[0170]
结合生猪生产的生物性周期和生产的连续性，生猪不同生长阶段之间存在一定的特定关系。即，猪肉供给量由本期生猪出栏量决定，生猪出栏量由前期生猪存栏量决定，生猪存栏量由前期能繁母猪存栏量决定。那么，构建生猪出栏量、能繁母猪存栏量与猪肉产量三者之间的关系模型，实现按月份的中短期预测猪肉产量功能，如图4所示。
[0171]
生猪出栏量影响当期猪肉产量，能繁母猪存栏量影响未来10个月后的生猪出栏量。
[0172]
本发明实施例提供的猪肉供给和价格波动预测与调控方法具体包括：
[0173]
1.1构建猪肉产量与生猪出栏量之间的线性回归模型
[0174][0175]
其中，表示在m
t
月的猪肉产量，单位是万吨。表示在m
t
月的生猪出栏量，单位是万头。α表示出肉均重，即一头出栏猪能产出的猪肉量，单位是吨/头。β表示固定参数。根据历史数据拟合结果得，α＝0.0781，β＝0.0000。
[0176]
1.2构建生猪出栏量与能繁母猪存栏量之间的关系模型
[0177]
能繁母猪存栏量主要由每年每头母猪出栏生猪的头数(简称msy)和生猪出栏量决定，由此猪群周转规律，构建能繁母猪存栏量与生猪出栏量之间的关系模型。
[0178]
年度能繁母猪存栏量与年度生猪出栏量之间关系，如下式所示；
[0179][0180]
月度能繁母猪存栏量与月度生猪出栏量之间关系，如下式所示；
[0181][0182][0183]
由公式(3)和(4)，推导下述公式(5)；
[0184][0185]
由公式(2)和(5)，推导下述公式(6)；
[0186][0187]
其中，表示yi年的生猪出栏量。表示yi年的每头母猪出栏生猪的头数。表示yi年的能繁母猪存栏量。表示在m
t
月的生猪妊娠率。表示在m
t
月的生猪生产率。表示在m
t
月的每头母猪出栏生猪的头数。表示在m
t
月的能繁母猪存栏量。
[0188]
由公式(1)和公式(5)可推导出猪肉产量与能繁母猪存栏量关系模型为，
[0189][0190]
1.3推算历史月度猪肉产量
[0191]
计算月度生猪生产率，需要已知10个月后月度猪肉产量和月度能繁母猪存栏量。在现有数据情况限制下，仅有季度猪肉产量数据、季度能繁母猪存栏量。本发明采用数理统计学思路，用数据分析的方法寻找数据之间相关性，在原始季度数据的基础上，推算月度猪肉产量和能繁母猪存栏量。
[0192]
本发明使用月度生猪屠宰量变化趋势推算月度猪肉产量。从生猪产业链来看，屠宰量直接影响猪肉产量。且从数据分析表现上看，生猪屠宰量与猪肉产量数据走势曲线有一定相关性，且两者皮尔逊相关性系数pccs＝0.548，p值＝0.012。同时，生猪屠宰量与猪肉价格有两者之间皮尔逊相关性系数pccs＝0.7，p值远小于0.0001。由此可见，屠宰量与猪肉价格也存在较高的相关性。因此，本发明使用每个季度内月度生猪屠宰量变化趋势推算每个季度内月度猪肉产量如下所示。
[0193]
[0194]
其中，表示在yi年t月的猪肉产量。表示在yi年j季度的猪肉产量。表示在yi年t月的生猪屠宰量。表示在yi年j季度的生猪屠宰量。j＝1,2,3,4。当j=1时，t∈{1,2,3}。当j=2时，t∈{4,5,6}。当j=3时，t∈{7,8,9}。当j=4时，t∈{10，11,12}。
[0195]
1.4推算历史月度能繁母猪存栏量
[0196]
使用季度末能繁母猪存栏量和月度能繁母猪存栏量的环比值，推算月度能繁母猪存栏量。参考农业农村部生猪产品信息网公布的计算方法，非季度末月份的能繁母猪存栏是以能繁母猪存栏季度末数据为基数，根据能繁母猪存栏月度变化率推算而得。
[0197][0198][0199]
其中，表示推算的在yi年t月的能繁母猪存栏量。表示公布的在yi年t月的能繁母猪存栏量环比值。表示公布的在yi年j季度末的能繁母猪存栏量。
[0200]
根据月度环比值推算结果与公布的季度末能繁母猪存栏量之间存在偏差。
[0201]
本发明使用偏差值反向矫正法，修正环比值计算结果。
[0202][0203][0204]
其中，表示在yi年j季度的环比值推算结果与公布的季度末能繁母猪存栏量之间的偏差值。表示修正后的在yi年t月的能繁母猪存栏量。
[0205]
1.5预测未来月度生产率
[0206]
根据推算得到的历史月度猪肉产量和月度能繁母猪存栏量，使用公式(7)计算月度生产率。
[0207][0208]
计算结果发现，每年月度生产率变化趋势趋近相同，但月度生产率大小有差异。因此，本发明使用月平均生产率趋势来推算未来生产率。
[0209][0210][0211]
其中，表示由公式(13)计算而得在yi年t月的生产率，i＝1,2,
…
n。表示t月的月平均生产率，这里t＝1,2,
…
12。表示t月的月平均生产率趋势值。
[0212]
结合上述数据分析结论，未来月度生产率由月平均生产率趋势和年总生产率决定。根据公式(6)，年总生产率可由上一年月度生产率总和表示，即上一年的年msy。
[0213][0214]
其中，表示在y
i+1
年t月的预测生产率。这里，年msy也可由农产品经济学专家根据当下猪肉产业链情况设定或调整。
[0215]
1.6预测未来猪肉产量
[0216]
利用公式(7)，根据推算的历史月度能繁母猪存栏量、以及计算的月度生产率即可计算未来10个月的猪肉产量。
[0217]
2、构建猪肉需求量预测模型
[0218]
我国猪肉消费习惯导致了猪肉需求量呈现明显的季节性周期波动，比如每逢端午、中秋、春节等重大传统节日、寒冷季节猪肉月需求量均出现明显增加。因此，本发明采用季节周期预测法，对月度猪肉需求量趋势进行预测。
[0219]
首先，对农贸市场日度猪肉交易量数据处理计算出猪肉月度交易量。从多年来的月交易量中，提取季度波动规律，将其作为猪肉月度需求量波动趋势。采用stl时间序列分解法，从交易数据中分解出猪肉需求量的月度季节性波动曲线，将其作为月度猪肉需求量趋势。
[0220]
stl时序分解将时序分解为趋势项、季节项、余项，分别用stl时序分解将时序分解为趋势项、季节项、余项，分别用代表数据项，趋势项、季节项和余项。本发明使用季节项sv表示月度猪肉需求量趋势。分解公式如下式所示。
[0221][0222]
2.1计算月猪肉交易量
[0223]
农贸市场猪肉交易量数据来自农贸市场电子设备上传的真实交易数据。但数据存在一定缺失，每月不是每天都有交易数据。例如，2018年10月仅3天有交易数据，2019年11月仅6天有数据，2021年3～9月交易天数均不超过10天。
[0224]
针对原始数据的上述特点，本发明使用月平均交易量来表示月猪肉交易量。
[0225][0226]
其中，表示在m
t
月的平均猪肉交易量。表示第m
t
月第k天的猪肉交易量，表示第m
t
月累计交易天数。相比于用月总猪肉交易量表示月猪肉交易量，用月平均交易量表示月猪肉交易量，能够一定程度上弥补数据的缺失，解决每月不是每天都有交易数据的问题。
[0227]
2.2提取猪肉需求趋势和计算月猪肉需求量
[0228]
使用历史月度猪肉交易量数据，基于公式(13)的stl模型，抽取季节项si，用其表示为1～12月猪肉需求量趋势即每个月猪肉需求量为年猪肉总需求量与猪肉需求趋势之积，如下式所示。
[0229]
[0230]
其中，mi表示第i月，这里i＝1,2,
…
，12。表示第i月猪肉需求量趋势值。d
year
表示年猪肉总需求量。表示第i月猪肉需求量。
[0231]
这里，年总猪肉产量d
year
可由农产品经济学专家根据当下猪肉产业链情况设定或调整，本发明以农业农村部提出的正常年份全国猪肉产量在5500万吨时的生产数据为参照，设定在猪肉供需平衡情况下，猪肉的需求量与产量之间相互持平，年猪肉总需求量d
year
为5500万吨。
[0232]
3、构建猪肉供需均衡价格调控模型
[0233]
利用定价模型中供需法则，推导在需求量恒定的情况下，猪肉供应量与需求量比值(以下简称供需比)和价格之间关系。在国家政策调整、疫病疫情等其他因素不变的情况下，价格与供需比之间呈现下降趋势，即，供需比越高，价格越低，供需比越低，价格越高。
[0234]
使用国内猪肉产量、投放量、进口量的总和代表猪肉供应量，生猪出场价格代表猪肉价格，猪肉需求量预测模型得出的需求量代表猪肉需求量。使用最小二乘法约束法来探索猪肉供需比与猪肉价格之间关系，构建两者之间的数据关系模型，当猪肉供应量和需求量确定时，即可推断猪肉价格。模型构建思路如图5所示。
[0235]
3.1猪肉价格预处理
[0236]
本发明使用月度生猪出场价格代表月猪肉价格。受现有数据限制，生猪出场价格存在一定缺失，引入猪肉白条价格去补充缺失数据。生猪出场价与猪肉白条价格高度相关，皮尔逊相关系数pccs高达0.996，p值远小于0.0001。
[0237]
建立生猪出场价与猪肉白条价两者线性回归模型，见如下公式所示。
[0238][0239]
其中，表示在mi月的生猪出场价格，单位是元/公斤。表示在mi月的白条猪肉价格，单位是元/公斤。根据历史数据拟合结果得，θ＝0.7386，γ＝0.0000。
[0240]
3.2构建猪肉供需比与猪肉价格之间数学模型
[0241]
使用最小二乘法约束法构建猪肉供需比与猪肉价格之间数学模型。
[0242][0243][0244][0245]
其中，表示在m
t
月的猪肉供应量与猪肉需求量的比值。表示在m
t
月的猪肉供应量。表示在m
t
月的国内猪肉产量。表示在m
t
月的国内猪肉投放量。表示在m
t
月的猪肉进口量。表示在m
t
月的猪肉需求量。根据历史数据拟合结果得，ω＝-1.58，拟合优度r2＝0.5175。使用猪肉价格历史数据验证模型，预测平均相对误差小于15％。
[0246]
实施例6
[0247]
本发明实施例提供的猪肉供给和价格波动预测与调控系统包括：
[0248]
猪肉供应量预测模块，用于利用生猪生产周期性规律建模，定量分析能繁母猪和下期猪肉产量之间的关系，构建猪肉供应量预测模型，进而预测和调控中短期猪肉供给量；
[0249]
猪肉需求量预测模块，用于利用猪肉消费习惯导致猪肉需求量呈现明显的季节性周期波动规律的特点，构建猪肉需求量预测模型，进而推导未来猪肉需求量走势；
[0250]
猪肉供需均衡价格调控模块，用于以供应量、需求量作为主要输入，利用定价模型中供需法则，构建猪肉供需均衡价格调控模型，进而预测未来中短期猪肉价格走势。
[0251]
为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
[0252]
能繁母猪从怀孕生产再到生猪出栏大概需要十个月的时间，因此我们可以通过能繁母猪的数量和妊娠率计算得出十个月以后的生猪出栏数，从而得到猪肉产量，再根据猪肉供需平衡计算得出未来十个月的生猪预测出场价格。同理，我们可以将此理论应用在具有生命周期的农产品，比如羊的妊娠期约为5个月，羔羊从生产到出栏大约需要8个月时间，因此可预测13个月后的羊肉产量和价格，同理也可预测牛肉的产量和价格。
[0253]
本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
[0254]
本发明实施例提供的技术方案进行了大量的试验。如图2所示，首先，开展猪肉供应量预测。我国猪肉供应量主要来源于国内猪肉产量，还有小部分来自国家投放和国外进口。针对主要供应，通过构建猪肉供应量预测模型，预测未来国内猪肉产量。针对其他供应，投放量、进口量均属于国家调控因素，难以提前预测。其他供应仅作为调控猪肉价格走势的因素来使用。
[0255]
其次，开展猪肉需求量预测。基于猪肉农贸市场交易量历史数据，构建猪肉需求量预测模型，预测未来月度猪肉需求量走势。
[0256]
最后，基于定价模型中供需法则，构建猪肉供需均衡价格调控模型，将预测的猪肉供应值和需求值作为输入，预测未来近10个月的猪肉价格走势。
[0257]
如图3所示，本发明采用的是交叉学科研究方法，综合运用到数理统计学、供需理论、时间序列、回归分析等理论或方法。
[0258]
首先，利用生猪生产周期性规律建模，以能繁母猪是生猪生产的基础和市场供应的“总开关”为基础，定量建立能繁母猪和下期猪肉产量之间的关系，构建猪肉供应量预测模型，从而预测和调控中短期猪肉供给量。
[0259]
再利用猪肉消费习惯导致猪肉需求量呈现明显的季节性周期波动规律的特点，构建猪肉需求量预测模型，推导未来猪肉需求量走势。
[0260]
最后，以供应量、需求量作为主要输入，利用定价模型中供需法则，构建猪肉供需均衡价格调控模型，进而预测未来中短期猪肉价格走势。
[0261]
如图4所示，生猪生产的生物性周期和生产的连续性，使得不同阶段猪群之间存在一定的特定关系。本发明对猪群周转规律进行分析，构建不同阶段猪群与猪肉产量之间关系模型，从而预测未来猪肉产量。
[0262]
猪群周转规律：
[0263]
1、生猪出栏量影响当期猪肉产量。
[0264]
2、能繁母猪存栏量影响未来10个月后的生猪出栏量。
[0265]
相比于现有技术的技术方案，本发明采用了猪肉供需平衡调控新视角研究思路，并从猪肉供给和价格波动预测与调控两个角度出发，首先预测未来10个月的猪肉供应量，
以及在供需平衡下的猪肉需求量，在供应量和需求量基础上，采用供需均衡理论，预测未来10个月的猪肉价格走势。猪肉供应量由能繁母猪存栏量、投放量和进口量三者共同决定，因此，当猪肉价格出现波动时，本发明能够通过调控能繁母猪存栏量、投放量和进口量来调控猪肉价格。从而，达到指导国家及时合理调控猪肉供给，促进稳定猪肉价格波动的目的。
[0266]
然而，在猪肉供需平衡调控模型应用实践过程中，对猪肉价格精准预测依赖于所需数据的完整性和准确性。随着数据不断积累、更新和完善，模型能够学习到更多数据，对未来价格的预测才能越来越精准。
[0267]
本发明实施例的试验效果如下。
[0268]
第一、根据猪群周转规律，使用近10个月的能繁母猪存栏量和生产率来预测未来10个月猪肉产量。
[0269]y猪肉产量，t
=0.0781*生产率
t-10
*x
能繁母猪存栏量，t-10
,t∈未来1～10月
[0270]
预测2022年3月～12月猪肉产量，需要使用2021年5月～2022年2月能繁母猪存栏量和生产率来计算。
[0271][0272]
第二、采用stl时间序列分解法，从交月度猪肉交易量中分解出猪肉需求量的月度季节性波动曲线，如图6所示。三种趋势线基本一致，本方案选择2016年～2018年的平均季节变动趋势作为猪肉需求量周期趋势。
[0273]
假定年猪肉总需求量为5500万吨的情况下，结合猪肉需求量周期趋势，计算每月猪肉需求量。
[0274]
第三、如图7所示，猪肉需求量季节性波动曲线。构建猪肉供需均衡价格模型是本方案核心目标。
[0275]
利用定价模型中供需法则[1]，推导在需求量恒定的情况下，供需比和价格之间关系。
[0276]
假定猪肉年总需求量、月需求量变化趋势恒定，且国家政策调整、疫病疫情等其他因素不变的情况下，价格与供需比之间呈现上下降趋势，供需比越高，价格越低，供需比越低，价格越高。
[0277]
如图8所示，猪肉供应量/需求量与猪肉价格之间关系的拟合示意图。
[0278]
如图9所示，猪肉供应量/需求量与猪肉价格之间关系的实际示意图。
[0279]
本方案使用国内猪肉产量与进口量总和代表猪肉供应量，生猪出场价代表猪肉价格，猪肉需求预测模型得出的需求量代表猪肉需求量。使用最小二乘法约束法探索猪肉供应量和需求量比值与猪肉价格之间关系，构建两者之间的数据关系模型。当猪肉供应量和需求量确定时，推断猪肉价格。
[0280]
预测月份预测的猪肉产量进口量预测的需求量供应/需求量实际价格预测价格差异2021年1月390.2638.01545.080.7934.5025.0427.4％2021年2月284.8332.19425.680.7432.0427.2514.9％2021年3月301.6845.84425.790.8227.6623.5814.7％2021年4月360.8343.25446.520.9023.8420.0316.0％2021年5月399.0536.61467.940.9320.7519.157.7％2021年6月439.9334.44448.071.0616.5915.635.8％2021年7月438.8235.17416.891.1416.0413.9613.0％2021年8月465.6227.88423.711.1615.4813.4413.2％2021年9月501.6220.92429.621.2213.3112.555.7％2021年10月604.5719.71468.461.3312.0810.8610.1％2021年11月529.6920.33477.091.1517.9613.6624.0％2021年12月579.0916.71525.151.1317.5714.0120.3％2022年1月500.5320.00545.080.9515.5018.4018.6％2022年2月506.0420.00425.681.2413.4812.249.2％2022年3月510.0920.00425.791.2412.9112.106.3％2022年4月510.0920.00446.521.1913.9213.046.3％2022年5月521.5720.00467.941.1615.6913.5713.5％2022年6月516.8820.00448.071.20 12.85 2022年7月516.8820.00416.891.29 11.47 2022年8月504.0320.00423.711.24 12.22 2022年9月497.9820.00429.621.21 12.72 2022年10月501.8120.00468.461.11 14.42 2022年11月508.1420.00477.091.11 14.56 2022年12月505.6020.00525.151.00 17.08 [0281]
预测精度由相对误差度量：
[0282][0283]
价格预测误差约10％。
[0284]
如图10所示，本发明实施例提供的模型效果图。
[0285]
本方案使用国内猪肉产量与进口量总和代表猪肉供应量，生猪出场价格代表猪肉价格，猪肉需求预测模型得出的需求量代表猪肉需求量。使用最小二乘法约束法探索猪肉供应量和需求量比值与猪肉价格之间关系，构建两者之间的数据关系模型。当猪肉供应量和需求量确定时，推断猪肉价格。
[0286]
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备
和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、cd或dvd-rom的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体，或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
[0287]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所做的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。