1.一种基于GEP算法的小白菜价格预测方法,其特征在于,包括以下步骤:
步骤一,采集目标地区的小白菜L天的价格数据,抽取第i天到第j天之间的价格数据用多种函数模型进行拟合出多个价格预测函数;
步骤二,抽取第m天到第n天之间的价格数据,计算步骤一得到的多个价格预测函数的适应度值,适应度值的计算公式为:
其中,yt表示第t天根据各价格预测函数算出的预测价格,dt为第t天的实际价格,K为预测价格与对应时间的实际价格差的最大值;
步骤三,计算适应度值最大的价格预测函数的复相关系数,复相关系数的计算公式为:
其中,yt表示第t天根据适应度值最大的价格预测函数算出的预测价格,dt为第t天的实际价格,为第m天到第n天之间适应度值最大的价格预测函数算出的预测价格的平均值;
步骤四,将步骤二得到的适应度值最大的价格预测函数与步骤三得到的复相关系数相乘,即得小白菜价格预测函数;
其中,[m,n]与[i,j]的范围不相同。
2.如权利要求1所述的基于GEP算法的小白菜价格预测方法,其特征在于,1≤i<j<m<n≤L。
3.如权利要求2所述的基于GEP算法的小白菜价格预测方法,其特征在于,连续采集天数L≥180,(j-i+1):(n-m+1)=11:5。
4.如权利要求1所述的基于GEP算法的小白菜价格预测方法,其特征在于,函数模型包括:LINEST函数、LOGEST函数、TREND函数、GROWTH函数、FROECAST函数。
5.如权利要求1所述的基于GEP算法的小白菜价格预测方法,其特征在于,L天中每日价格数据为多个农产品网站同日的小白菜价格数据的平均值。
6.如权利要求5所述的基于GEP算法的小白菜价格预测方法,其特征在于,单个农产品网站的当日价格数据通过以下步骤得到:
步骤a,每日间隔30s从目标农产品网站采集一次价格,然后将所有价格按照时间顺序排序;
步骤b,按组距和组数对步骤a中的经过排序的价格进行分组,组距为每日的价格的最大值与最小值之差除以组数,组数k的计算公式为:
k=1+3.322lgs;
其中,s为步骤a中采集的每日价格的数量,k取其数值的整数部分;
步骤c,用每组价格内包含的价格的数量除以每日价格的数量,得每组价格内包含的价格的数量占每日价格数量的比例;
步骤d,选取步骤c中比例在0.00135-1之间的分组,计算所有选取的分组中所有价格的平均值,即为农产品网站的当日价格数据。
7.如权利要求1所述的基于GEP算法的小白菜价格预测方法,其特征在于,在所述步骤一中,L天的价格数据在抽取前经过准则提取,具体方法如下:计算出L天价格数据的均值μ与标准差然后剔除L天价格数据中分布在范围以外的数据。