文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 数学 > BP神经网络模型在湖北省GDP预测中的应用_与时间序列模型的对比分析
侵权投诉

BP神经网络模型在湖北省GDP预测中的应用_与时间序列模型的对比分析

中南财经政法大学研究生学报2011年第4期

BP神经网络模型在湖北省GDP预测中的应用

———与时间序列模型的对比分析

胡松华

(中南财经政法大学

统计与数学学院,湖北

武汉430074)

摘要:本文探讨了神经网络模型及其优化算法在宏观经济预测中的应用,通过寻找最佳参数,建立BP网络预测模型对湖北实证结果表明,神经网络预测精度明显优于时间序列省GDP进行了预测分析。同时还与传统时间序列模型作了对比研究,模型。

关键词:人工神经网络;BP算法;预测;ARIMA模型

长期以来,人们在对宏观经济问题的预测过程中,主要采用诸如回归预测、时间序列预测、景气预测、灰色预测以及多种方法组合预测等预测方法

[1](P3)

。这些方法大都集中在对其因果关系回归模型和时间序列模型

的分析上,然而因实际问题的复杂性,在实际应用中常常存在序列相关性、异方差性、多重共线性等问题,从而使模型拟合精度不高,拟合效果难以令人满意。不可避免丢失信息,

鉴于传统方法的不足,人们试图寻求新的方法和理论。借助现代生物技术和电子计算机技术,人工神经网络的研究越来越受到人们的青睐。一方面得益于其强大的信息处理能力,使许多复杂的非线性优化问题得到很好的解决;另一方面,应用于预测领域的人工神经网络,无论是拟合效果还是拟合精度,都明显优于传统预测方法。

本文试图应用BP神经网络模型对湖北省GDP进行仿真实验,并与传统时间序列预测方法对比分析,以求探讨其方法的有效性。

一、文献综述

[2]

(P184-194)(ArtificialNeuralNetwork)是仿效生物处理模式以获得智能信息处理功能的

方法。神经网络着眼于脑的微观网络结构,通过大量神经元的复杂连接,由底至顶,通过自学习、自组织和非线性动力学所形成的并行分布方式,来处理难以语言化的模式信息。从20世纪40年代年美国心理学家麦克洛奇(W.McCulloh)和数理逻辑学家皮兹(W.Pitts)建立神经网络的数学模型到今天,短短不足70年的时间,人工神经网络理论已经得到极大丰富,显示出更强的数学性质和生物学特性。

随着神经网络理论研究的不断深入与发展,其应用领域也涉猎广泛,诸如模式识别与图像处理、控制与优Lapedes等人首先应用神经网络进行预测,化、预测与管理以及通信等重要领域。1987年,他们用非线性神经网络对由计算机生成的时间序列进行学习和预测。由于人工神经网络有灵活的学习方式和良好的非线性,对Matsuba等非线性系统具有较强的拟合能力,因而,人工神经网络预测一经提出便受到极大的重视。1991年,人应用神经网络对股市进行预测。Chakraborty等人在神经网络多变量时间序列预测一文中,采用简单的神经其结果要好于传统统计方法。此外,神经网络还应用于商品价格预测、经济建模预测网络模型进行预测分析,

作者简介:胡松华(1987—),男,安徽安庆人,中南财经政法大学统计学专业2010级硕士研究生。

第1页

你可能喜欢

  • 蒙特卡罗算法
  • matlab神经网络
  • BP神经网络原理
  • 算法大全
  • BP神经网络预测
  • 粒子群优化算法
  • 人工神经网络应用
  • 粒子群算法

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email