基于信号分解与深度学习的茶叶出口单价预测  

作　　者：苏信通 陈文辉[1] 李青[1] 

机构地区：[1]浙江农林大学数学与计算机科学学院,浙江杭州311300

出　　处：《福建茶叶》2025年第2期56-59,共4页Tea in Fujian

基　　金：浙江省自然科学基金:城市食物消费的生态足迹距离研究——以杭州为例(批准号LY18D010001)。

摘　　要：为了应对当前我国茶叶出口单价波动,研究基于结合序列分解、样本熵、卷积神经网络-门控循环单元以及贝叶斯超参数优化开发了一种茶叶出口单价的预测模型,该模型通过与其他几种预测模型的比较分析发现,本模型的决定系数达到了0.847,均方根误差为0.249,平均绝对百分比误差为3.587%,显著优于对照组,验证了本模型在预测茶叶出口单价方面的有效性。

关 键 词：样本熵 自适应白噪声 完全集合模态分解 

分 类 号：F756[经济管理—国际贸易]