基于多预测模型的中国—东盟进出口贸易额研究

发布时间：2020-04-05 15:39

【摘要】：进出口贸易是拉动国家经济增长和实现对外交流的重要工具,东盟是我国对外贸易的第三大伙伴,分析并预测我国与东盟进出口贸易额也是中国-东盟海洋大数据平台经济综合里外贸部分的主要内容。而目前多采用基于计量经济学的方法,但伴随机器学习和数据挖掘技术不断发展、趋于成熟,在实践中沉淀下来大量经典算法,因此本文结合机器学习方法探索能有效预测中国东盟进出口贸易额的预测模型,既实现中国-东盟海洋大数据平台对外贸分析的需求,也为我国对东盟的经贸合作进行宏观调控提供智力支持。本文首先分析了影响中国东盟进出口贸易额的经济指标,利用主成分分析方法对其进行影响因子的分析,得到可替代原经济指标超过99.9%信息量的七个影响因子。随后,提出了基于线性回归的中国东盟进出口贸易额预测模型,应用基于多元线性回归、基于岭回归和基于弹性网络回归模型对中国东盟进出口贸易额及影响因子的历史数据进行训练,构建预测模型,通过七个经济影响因素的预估值计算未来中国与东盟的进出口贸易额。紧接着,由于中国东盟进出口贸易是经济指标因素、双边关系及政策影响等因素综合作用的结果,因此将中国东盟进出口贸易额历史数据转化为时间序列,挖掘数据内部变化规律,提出了基于时间序列ARIMA的预测模型。其次,为深入挖掘中国东盟进出口贸易额数据序列变化规律,提出具有学习长期依赖信息能力的基于LSTM网络的预测模型。再次,为使预测中国东盟进出口贸易额更为准确,基于数据预处理和优化参数组合预测的思想,提出基于时间序列ARIMA和LSTM网络的组合预测模型。实验表明其预测中国东盟进出口贸易额的准确率和相关系数都明显提高,所以基于此预测模型预测了未来短期内中国与东盟的月度进出口贸易额。最后,将本文研究成果应用在中国-东盟海洋大数据平台经济综合数据库模块。该模块可以帮助平台用户了解中国与东盟国家进出口贸易的历史数据,可以让用户通过对各个经济指标的年度预估值预测中国与东盟的年度进出口贸易额,也可以直接对未来短期内中国与东盟的月度进出口贸易额进行预测,通过实践应用检验了中国东盟进出口贸易额预测模型的有效性。
【图文】：

基于多预测校型的中国－东盟进出口贸易额研究Ｔ逡逑图３－８ＬＳＴＭ门限结构逡逑ＬＳＴＭ网络中的每个神经元由忘记门层、输入门层、更新门层以及输出门个交互的层构成［３（）］。首先是忘记门层，该门层的输入是上一层的输出和逡逑时间点的输入的整体总输入，通过一个计算过程ｃｒ输出结果／ｔ，六是一个在逡逑１之间的数，当前细胞的状态，其中，／ｔ计算公式如式３－２８所示，逡逑门层过程如图３－９中加粗部分所示。逡逑ｆｔ邋＝邋ａ｛Ｗｆ邋＊邋［ｈｔ－ｉ，ｘｔ］）邋＋邋ｂｆ逦式邋３－２８

之后是更新门层，该门层更新细胞的旧状态，通过忘记门层、输入门层的输逡逑和上个细胞状态的输出Ｃ邋ｔ邋＿邋ａ将细胞状态更新为新状态Ｃ邋ｔ，，邋Ｃ邋ｔ的计算公式如式逡逑－３０所示，更新门层过程如图３－１１中加粗部分所示。逡逑Ｃｔ邋＝邋ｆｔ＊邋＋邋ｉ邋＊邋Ｑ１逦式邋３－３０逡逑ｈ，逡逑ａ逡逑ｃ卜、１逦？１逦１邋ｉｗＧ）逦■■■■匪ｉ邋＂—逡逑Ｘ邋．邋Ａ逦ｔａｎｈ逡逑＇Ｉ邋ｆ＾Ｙ逡逑［0］邋Ｗ］邋ｔａｎｈ邋Ｗ逡逑逦？邋逦逦１逦逦邋Ｉ邋逦邋■逦逦？邋ｈｔ逡逑－
【学位授予单位】：厦门大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F752.7

【参考文献】

相关期刊论文 前9条

1 陈蔚;;基于线性ARIMA与非线性BP神经网络组合模型的进出口贸易预测[J];统计与决策;2015年22期

2 黄玲莉;刘小龙;;基于ARIMA与BP神经网络的收视率组合预测模型[J];电视技术;2015年09期

3 刘建伟;刘媛;罗雄麟;;深度学习研究进展[J];计算机应用研究;2014年07期

4 韩小孩;张耀辉;孙福军;王少华;;基于主成分分析的指标权重确定方法[J];四川兵工学报;2012年10期

5 何泽;;影响中国进出口总额的因素分析[J];商场现代化;2007年17期

6 白冰;;中国进出口贸易总额的影响因素分析[J];当代经理人;2006年21期

7 卢向前,戴国强;人民币实际汇率波动对我国进出口的影响:1994—2003[J];经济研究;2005年05期

8 熊桂武;计量经济建模与预测方法评述[J];黄冈师范学院学报;2004年06期

9 田俊;岭回归分析的SAS程序设计[J];数理统计与管理;1999年03期

相关博士学位论文 前1条

1 马涛;组合预测方法及其应用研究[D];兰州大学;2017年

相关硕士学位论文 前1条

1 吴少聪;基于混合模型的股票趋势预测方法研究[D];哈尔滨工业大学;2017年

本文编号：2615197