豚肉価格の正確な予測は重要である一方、豚肉価格系列が非常に変動的かつ非定常であるため困難である。既存のハイブリッド予測モデルは、多くの場合固定重みの統合に依存しており、これが多スケールの時間変動や複雑な時間依存性への適応能力を制限している可能性がある。これらの課題に対処するため、本研究では信号分解と強化されたエンコーダ–デコーダ構造を組み合わせたハイブリッド予測フレームワークVMD–EMSA–HCTM–Informerを提案する。まず、変分モード分解(VMD)を用いて本質的モード関数を抽出し、信号の非定常性を低減する。Informerのバックボーン内においては、強化型マルチスケールアテンション(EMSA)エンコーダが導入され、異なる時間スケールでの局所的な変動を捉えるとともに、ハイブリッド畳み込み–時間モジュール(HCTM)デコーダにより時間的特徴抽出とチャネル間相互作用のモデリングが強化されている。実証評価は、2013年から2025年までの中国養豚業ネットワークおよび中国南部の大規模集中養殖企業の日次豚肉価格データを用いて実施された。現在の実験設定下で、提案フレームワークは比較対象の基準モデルと比べて5回の独立試行にわたり平均誤差が最も低く、平均MAEは0.4875、平均MAPEは3.0540%であった。これらの結果は、提案フレームワークが変動性の高い豚肉価格の単変量予測に有用かつ比較的安定した手法を提供することを示唆している。ただし、本結果は現データセットおよび実験デザインの範囲内で解釈する必要があり、今後の研究では外生的要因や不確実性の定量化を含む多変量予測への拡張を予定している。
Building similarity graph...
Analyzing shared references across papers
Loading...
Xudong Lin
Guobao Liu
Zhiguo Du
Agriculture
South China Agricultural University
Building similarity graph...
Analyzing shared references across papers
Loading...
Linら(Wed,)はこの問いを研究した。
www.synapsesocial.com/papers/69d8955f6c1944d70ce0664d — DOI: https://doi.org/10.3390/agriculture16080827