物價波動本身是件再正常不過的事情，尤其是遇到節假日、氣象災害、道路擁堵、疫情在蔬菜產地爆發等情況，有甚者在上海疫情期間出現哄抬物價，一顆白菜賣78元的情況。菜價波動對于消費者、菜農都是頭疼得很，不知道該如何解決。

預測菜價，看似不可能的事情，根據北京市農林科學院、國家農業信息化工程技術研究中心、農業農村部農業信息技術重點實驗室等機構聯合發布的論文，也許能實現蔬菜短期價格預測。

鑒于蔬菜價格預測存在著價格波動幅度大、影響因素復雜多樣、精度不高等難點。該研究以黃瓜為研究對象，分析了影響黃瓜價格的供給、需求、流通等因素，引入Lasso回歸模型對影響因素進行篩選，獲得12項關聯度較大的因素。在此基礎上，構建了一種基于影響因素的Lasso回歸方法與BP神經網絡相結合的組合模型(L-BPNN)，開展黃瓜短期價格預測，并與Lasso回歸模型、BP神經網絡模型、RBF神經網絡模型等回歸分析和智能分析方法等進行了對比驗證研究。

結果表明:使用L-BPNN模型預測黃瓜價格，其平均相對誤差最小，僅為0.66%，比Lasso回歸模型、BP神經網絡模型和RBF神經網絡模型分別低64.52%、82.11%和86.2%，具有較高的預測精度。

研究結果實現了黃瓜的短期價格預測，也可推廣到其他蔬菜品種，對于保障菜農收入、穩定蔬菜市場價格等具有重要意義。

菜價波動，作為智慧農業應用中的一環，涉及億萬國民的飲食穩定，該研究對菜價穩定、輔助指導菜農種植計劃、確保菜農收入等具有實際應用價值，同時也對類似于聚英農業云平臺的農業物聯網系統，完善功能、提升利用率、促進食品安全監督等工作的開展提供了可能性，是屬于智慧農業的進展。

?