基于Simpson公式的灰色神经网络在GDP预测中的应用

发布时间：2021-05-22 05:42

　　文章基于Simpson公式改进的GM（1,1）灰色系统和神经网络组合模型对国内生产总值进行预测研究。首先,利用Simpson积分公式对GM（1,1）灰色系统的背景值进行改进。其次,通过相关性分析确定财政收入、财政支出、全社会固定资产投资、进出口差额、国家税收收入和社会消费零售总额6个因素为GDP的主要影响因素。接着,将灰色系统的预测值和影响GDP总量的6个因素同时作为BP神经网络的输入构建串联型灰色神经网络预测模型。对比分析GM（1,1）、Simpson公式改进的GM（1,1）、Simpson公式改进的灰色神经网络模型的计算结果,可明显看出基于Simpson公式改进的灰色神经网络预测精度最高。 

【文章来源】：统计与决策. 2020,36(02)北大核心CSSCI

【文章页数】：5 页

【参考文献】：
期刊论文
[1]上海市2017-2020年GDP预测研究——基于改进的GM（1,1）模型[J]. 李凯,张涛.  华东经济管理. 2017(10)
[2]基于Volterra泛函级数的GDP预测模型[J]. 徐永东.  内蒙古师范大学学报(自然科学汉文版). 2017(04)
[3]贝叶斯时序模型在经济预测中的应用——以甘肃省人均GDP为例[J]. 张静.  中国统计. 2017(04)
[4]基于线性回归的甘肃省“十三五”时期GDP预测[J]. 刘浏.  淮海工学院学报(人文社会科学版). 2017(03)
[5]组合预测模型在中国GDP预测中的应用[J]. 王莎莎,陈安,苏静,李硕.  山东大学学报(理学版). 2009(02)
[6]ARIMA模型在深圳GDP预测中的应用[J]. 龚国勇.  数学的实践与认识. 2008(04)
[7]基于神经网络集成的GDP预测模型[J]. 林健,彭敏晶.  管理学报. 2005(04)
[8]灰色GM（1,1）模型在湖北GDP预测中的应用[J]. 刘国新,冯淑华,赵光辉.  武汉理工大学学报(信息与管理工程版). 2005(01)
[9]离散GM（1,1）模型与灰色预测模型建模机理[J]. 谢乃明,刘思峰.  系统工程理论与实践. 2005(01)



本文编号：3201091