白条猪价格预测模型构建

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。

早期缺铁与大脑认知发育的研究进展——从营养视角关注脑发育

缺铁和缺铁性贫血是全球发病率最高的单一营养缺乏性疾病,尤其是在孕妇与学龄前儿童群体中。生命早期是大脑快速发育的关键时期,大量研究发现,该时期缺铁会通过改变大脑结构、神经化学和递质系统等途径,影响儿童感觉运动、认知语言和社会情绪能力的发展。虽然婴儿期补充铁剂可以纠正缺铁状态,且大脑具有一定的可塑性和复原力进行适应性发育,但是仍无法弥补早期缺铁对大脑发育造成的长期损伤。新的研究进展表明,生命早期脑发育存在铁依赖的关键期,早期不同时期缺铁对大脑短期和长期发育会产生不同的影响。本文强调了早期预防缺铁的重要性,以及深入研究脑发育受损机制并开发相应的认知干预措施的迫切性。