基于思维进化算法的灰色神经网络模型预测GDP的效用研究

发布时间：2021-04-16 22:27

　　国内生产总值（GDP）是反映一个国家或者地区经济发展状况以及总体发展水平的重要指标之一。它的准确预测可以为政府的经济结构调整和经济发展提供可靠的依据,所以关于GDP预测的研究具有重要的实际意义。GDP受多种因素的影响,这些因素的指标数据呈现复杂的时间序列性和非线性,数据量也相对较少。在处理GDP预测问题时,以往方法的预测精度往往难以令人满意。神经网络模型学习能力极强,操作简单,对于解决数据量少、数据内部存在多重共线性的问题有很好的效果,适用于GDP的预测工作。但是在预测中往往存在收敛速度慢,容易陷入局部最优解的问题。为了解决神经网络模型存在的上述问题、提升预测精确度,本文将思维进化优化灰色神经网络模型应用于GDP的预测中。利用河北省2005-2016年的GDP相关数据,选取河北省GDP作为被解释变量,河北省人口数、固定投资、地方财政一般预算收入、居民消费水平等十个指标为解释变量。以灰色模型为基础,在此基础上通过嵌入和串联方式加入误差反向传播人工神经网络（BP神经网络）得到嵌入型灰色神经网络模型和串联型灰色神经网络模型,然后在串联型灰色神经网络模型中加入思维进化算法,得到思维进化法优化灰... 

【文章来源】：燕山大学河北省

【文章页数】：75 页

【学位级别】：硕士

【部分图文】：

1)模型预测值拟合曲线与实际值对比图图2-1中，值代表年份，取值从1到12分别代表2005到2016年，代表GDP的值。点代表了的实际值，曲线为的预测值拟合曲线图。观察图，不

BP神经网络模型，它的工作原理如图3-1，图3-1来源于文献[32]。图3-1 BP神经网络的原理图图中 表示输入值， 表示当前节点 与上一层节点 的连接权值， 表示- 12 -

2-6可得模型获得了良好得预测效果。模型的训练误差随进化次数的变化曲线，如图3-6和河北省2005-2016年的GDP预测值和真实值的模拟曲线，如图3-7。由图3-6可知，神经网络迭代100次之后误差值基本趋近于0，可知随着迭代次数的增加，神经网络的训练误差逐渐减小。当迭代次数大约为20次时，灰色神经网络的迭代误差基本为0。综上所述，可以得出：灰色神经网络得到了很好的训练，可以用来进行GDP预测。通过MATLAB测得灰色神经网络的连接权值为： 11= 3.2471, 22= 0.4389, 23= 0.2472, 24= 0.1146, 25= 0.3070, 26= 0.3296, 27= 0.6213, 28= 0.0514, 29= 0.1758, 2,10= 0.048, 2,11= 0.4614。图3-7体现了河北省2005-2016年GDP的预测值和真实值的拟合曲线。图中 值代表年份， 取值从1到12分别代表2005到2016年


本文编号：3142290