May, 2023

使用机器学习进行猪肉价格预测决策系统中数据时滞的影响

PDF
TL;DR本论文研究数据采集延迟对价格预测系统的影响，使用多种预测算法进行了测试，并将其最佳提议整合到决策支持系统原型中，在实际案例中进行了测试。结果表明，最佳公共和数据订阅模型之间的误差差异为 0.6 欧元分，支持数据没有延迟的。
pork meatpricing systemdata acquisition delayprice predictiondecision support system
发现论文，激发创造
  • 利用机器学习预测农产品价格：当前研究综述

    农产品价格预测对农民、决策者和其他利益相关者至关重要。本文回顾了机器学习算法在农产品价格预测方面的最新研究。我们讨论了农业在发展中国家的重要性以及作物价格下跌所带来的问题。我们识别了农产品价格预测的挑战，并强调机器学习算法如何支持更好的预测。接下来，我们对最近的研究进行了全面分析，讨论了各种机器学习技术的优点和缺点。我们得出的结论是，机器学习有潜力在农产品价格预测方面带来革命，但进一步的研究至关重要，以解决相关的限制和挑战。

    Oct, 2023

  • 一种创新的基于深度学习的农业作物价格准确预测方法

    本文提出一种基于深度学习的方法，结合图神经网络和卷积神经网络模型，利用历史价格信息、气候条件、土壤类型、位置等农作物价格的关键决定因素进行精确预测，可实现对印度农业市场中土豆和番茄价格的预测，并能达到比文献报道结果至少提高 20% 的准确性。

    Apr, 2023

  • 基于预测的调度与错误预测的代价

    该文研究了在服务时间不确定且使用机器学习算法进行预测时的作业调度，提出了几个策略的性能公式，并引入了 “错误预测的代价” 框架来度量使用预测信息的成本。

    Feb, 2019

  • 商业母鸡产蛋曲线的 SVM 预警方法

    使用机器学习算法，比如支持向量机，能够在家禽农业中实现生产问题的早期检测和预警，从而能够避免经济损失。

    Apr, 2019

  • 数据用于预测对智能能量存储中模型预测控制性能的影响

    利用历史建筑能源数据，研究了简单的线性多层感知器模型在多建筑能源系统模拟中提供与先进模型相当的预测精度，并具有更高的数据效率和泛化能力。通过使用变点分析对训练数据进行筛选，同时提高了预测精度和数据效率。重用模型和使用三个月的数据训练的模型平均误差比基准模型高出 10％，表明在没有事先数据收集的情况下部署 MPC 系统可能是经济可行的。

    Feb, 2024

  • 通过主动数据采购实现低成本学习

    本研究致力于设计在线数据采购机制，旨在使代理人能够通过使用过去的数据主动定价以购买未来的数据，同时即使代理人透露数据的成本取决于数据本身，也能给出学习保证。我们的算法和分析是构建在无悔学习模型上的，具备基于预算约束条件下的风险控制保证，且使用的主要资源是金钱。

    Feb, 2015

  • 定价的因果预测

    本文提出了一种在定价环境中进行需求预测的新方法，通过建模价格作为需求的输入变量之间的因果关系，结合双机器学习方法和基于 Transformer 的预测模型。通过广泛的实证实验，在一个完全控制的设置中，我们证明了我们的方法通过合成但真实的数据更好地估计了因果效应。同时，我们展示了在真实世界数据中，我们的方法在离线策略设置（即定价策略发生变化时）中表现优于预测方法，只在在线策略设置中略有落后。

    Dec, 2023

  • 时间与数据价值

    本文研究了数据的时效性对机器学习模型准确性和商业价值的影响，发现随着时间的推移，数据的价值会递减，与此同时包括更多的过时数据可能会降低模型的准确性，并提出了在历史数据与新数据之间寻求平衡的增长策略。

    Mar, 2022

  • 肉类新鲜度预测

    本研究基于机器学习，以珍贵食品鲜度评估为课题，研究了肉类食品的新鲜度分类，实现了上乘的分类准确率，这一技术的发展将有助于客户的业务优化，减少销售次品或腐烂产品的风险，并通过及时销售和处置减少食品浪费，同时实现企业的可持续高品值发展。

    May, 2023

  • 电力市场的价格感知深度学习

    深度学习对电力价格产生影响，本研究探讨了预测误差如何传播到电力价格中，并揭示了拥挤电力系统中显著的定价误差及其空间差异。为了提高公平性，我们建议将电力市场结算优化嵌入深度学习层，通过这一层进行不同程度的预测和定价误差平衡，而不仅仅是最小化预测误差。该层能够隐含地优化公平性并控制系统中价格误差的空间分布。我们在风电预测和短期电力市场结算的交叉领域展示了价格感知的深度学习技术。

    Aug, 2023