基于集成加权LSTM模型的农产品三方博弈模型建立

技术信息

作品详情

行业场景

本项目立足于农产品供应链管理与农业经济政策仿真领域。蔬菜流通涉及农户、批发商、零售商与消费者等多方主体，各主体策略选择相互影响，导致价格波动剧烈、市场效率低下。传统的价格预测仅关注数值拟合，难以刻画市场主体行为对价格的反馈机制。本项目旨在解决“价格预测与主体策略脱节”的痛点，通过构建农户-商户-消费者三方演化博弈模型，模拟不同市场条件下各主体的策略演化路径与均衡状态，为政府制定价格调控、补贴政策及市场干预措施提供量化仿真依据，助力农产品市场平稳运行。

功能介绍

本项目包含三大核心功能模块：价格预测模块、三方演化博弈仿真模块与多维可视化分析模块。

价格预测模块：集成 LSTM 深度学习模型，分别预测田头价、批发价及批零差价，并引入变异系数（CV）增强对高波动品种的预测鲁棒性。

三方演化博弈仿真模块：构建农户（扩大/维持种植）、商户（高加价/低加价）与消费者（需求响应）的三方博弈框架。采用线性需求函数与三角形消费者剩余计算，使用 tanh 函数映射收益差异以驱动策略演化，模拟不同初始条件下各主体的策略收敛路径与演化稳定策略（ESS）。

可视化分析模块：自动生成博弈相图（向量场+收益地形图）、策略演化时序图、价格传导链图、收益对比图、消费者剩余变化图及策略相空间轨迹图，并输出汇总统计表格。

项目实现

我负责的任务：
我独立负责了博弈模型的理论构建、数值仿真算法实现、LSTM 模型集成及全套可视化系统的开发。具体包括设计三方演化博弈的收益函数与策略更新规则，修正消费者剩余计算方式，并优化策略演化稳定性。

技术栈与架构：
项目采用 Python 生态，核心依赖 PyTorch（LSTM 预测模型）、NumPy/Pandas（数值计算与数据处理）、Matplotlib（多维可视化）、Scikit-learn（数据归一化与划分）。架构上采用“预测+博弈+可视化”三层分离设计，LSTM 模型与博弈模型通过统一接口耦合。

实现亮点与难点：

线性需求与消费者剩余修正：将需求函数改为线性形式，消费者剩余按三角形面积精确计算，更符合微观经济学理论。

策略演化稳定性优化：摒弃强制归一化，改用 tanh 函数映射收益差异，有效避免了演化过程中的数值震荡，提升了收敛稳定性。

难点攻克：解决了零售价不随政策变化的问题，通过将 LSTM 预测结果与博弈策略演化动态耦合，使零售价对政策参数（如加价率、成本）的敏感度显著提升，增强了模型的政策仿真能力。