Model）是研究时间序列的重要方法。月价格走势：按月来展示农产品一个月内的每天具体价格，从而通过曲线形象的展示出当月的价格走势。价格预测：我们取一段时间内的数据来预测未来半个月左右的价格走势。

性质

系统

内容概述

农产品价格监测系统是由南京绿色科技研究院研发，基于Google Maps和数据挖掘技术的农产品价格采集监测可视化系统可以实现对全国31个省、直辖市、自治区 1000多家大型农贸批发市场的蔬菜、水果、水产品、粮油、畜产品等五大类农产品近200多个品种价格信息进 行自动化采集、统计、分析及趋势预测，并自动生成价格走势曲线图表，为农产品交易主体及政府主管部门提 供宏观数据，方便决策。

算法简介

时间序列分析(Time series analysis)是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法，研究随机数据序列所遵从的统计规律。农产品的价格变化是典型的时间序列，也就是说，由于各种偶然因素的影响使得农产品价格在短期内表现出随机性的增长或者降低，但是长期来看价格不同时间上的价格在彼此之间是有互相依赖关系的，相对具有较为稳定的升降趋势，例如在农产品产量旺季一般价格较低，反季农产品价格较高，或者在节庆日期间价格较高。时间序列预测法就是通过编制和分析农产品的价格数据，根据数据所反映出来的发展过程、方向和趋势，进行类推或延伸借以预测下一段时间内可能达到的水平。

ARMA模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法。ARMA模型预测一般反映三种实际变化规律：趋势变化、周期性变化、随机性变化。在市场研究中常用于长期追踪资料的研究，如用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。

主要功能

月价格走势：

按月来展示农产品一个月内的每天具体价格，从而通过曲线形象的展示出当月的价格走势。

年价格走势：

按年来展示农产品一年内的每月平均价格，从而通过柱状图形象的展示出当年的价格走势。

价格对比

：同时展示同一农产品的本地价格、本省价格以及全国价格的曲线走势，更加直观的反映出该农产品在不同区域范围内的价格波动。

涨跌预警

：上周农产品价格涨跌情况分析，可以查看全部的农产品涨跌情况，也可以按省查看每个省的农产品涨跌情况。我们把涨跌幅度最大的排在最前面。

价格预测

：我们取一段时间内的数据来预测未来半个月左右的价格走势。同时，我们取前一，两个月的数据，预测未来数天内的数据。可以用这些预测的点，跟真实的数据最后数个点进行对比，来验证预测的准确性。