论文研究-我国猪肉消费需求量集成预测——基于ARIMA、VAR和VEC模型的实证.pdf,  猪肉消费需求量预测对稳定猪肉消费市场具有重要意义. 通过建立ARIMA、VAR和VEC模型, 利用Granger因果检验筛选出显著影响因素, 分别预测我国猪肉消费量. 最后, 基于动态集成预测方法对三种模型的预测结果进行综合集成. 通过对2009-2011年我国猪肉消费需求量预测, 实证结果表明样本外集成预测精度更高, 更稳定.

猪肉，肉类和马肉数据集，共有365张不同肉类的图片 猪肉，肉类和马肉数据集，共有365张不同肉类的图片 猪肉，肉类和马肉数据集，共有365张不同肉类的图片

主要是作ARIMA-GARCH，ARIMA-TGARCH模型，但是后面GARCH模型图像拟合那里会有点问题。

为解决偏最小二乘判别分析(PLSDA)建模时光谱区域中的噪声及冗余信息干扰问题，提出一种基于联合区间偏最小二乘判别分析(SiPLSDA)算法，并将该算法应用于猪肉近红外光谱的定性建模分析。SiPLSDA 利用联合区间偏最小二乘回归（SiPLS）进行光谱特征区域筛选，在筛选出来的光谱区域内建立数据的定性预测模型。采用Antaris II 快速傅里叶变换近红外光谱分析仪获取波数范围为10000~4000 cm-1的猪肉样本近红外光谱，采用标准正态变量变换(SNV)进行近红外光谱的预处理，用SiPLSDA 建立猪肉近红外光谱的定性模型。实验结果表明，SiPLSDA 建立的预测模型对猪肉储藏时间的识别率达到93.94%，高于基于全光谱区域建立的PLSDA 预测模型的识别率。

表格文件，时间跨度为2014年1月至2022年2月21日，该资源包含内容如下： 1、收盘价 2、最高价 3、最低价 4、开盘价 5、前收盘 6、涨跌额 7、涨跌幅 8、换手率 9、成交量 10、成交金额 11、总市值 12、流通市值

县猪肉质量专项整治工作总结.doc

山东省地标雪花猪肉等级分级标准

生猪及猪肉市场前景研究与产业竞争格局.docx

2006年-2020年全国各类型猪肉价格汇总.pdf

摘要：本文在分析了神经网络、灰系统和时间序列预测模型的基础上,设计了将其中两种模型组合的预测方法。该方法的主要思想是利用回归预测思想将预测分为因素预测和结果预测两部分,并分别采用不同预测模型进行预测,从而达到提高预测精度的目的。利用该方法对吉林省近期的生猪价格进行预测,实验结果表明,该方法比单个预测方法有更好的预测效果,并且通过对不同组合的实验结果的分析发现,灰系统与神经网络相结合的方法具有更高的预测精度。