基于ARIMA-双权值神经网络组合预测模型的城镇失业问题研究
发布时间：2021-07-24 22:50
2018年3月5日,第十三届全国人大第一次会议在北京顺利召开.会议上,国务院总理李克强在作政府工作报告中,对过去五年工作的回顾时提到:城镇新增就业6600万人以上,13亿多人口的大国实现了比较充分就业;在制定的2018年发展主要预期指标中具体指出:城镇新增就业1100万人以上,城镇调查失业率5.5%以内,城镇登记失业率4.5%以内.从政府工作报告中的这些数据可以看出我国对城镇失业问题的关注程度.不仅如此,很多学者也在研究城镇失业的相关问题.而本文是通过采用新的预测方法来研究我国城镇登记失业人数和城镇登记失业率问题.在本文中,首先运用双权值神经网络模型和ARIMA模型分别对我国城镇登记失业人数和城镇登记失业率进行预测分析;然后将两种模型根据最优的权重构成组合预测模型,运用该模型对我国城镇登记失业人数和城镇登记失业率进行预.测分析.结果显示,对于我国城镇登记失业人数,当双权值神经网络模型的权重取0.5287,ARIMA模型的权重取0.4713时,得到组合预测模型的拟合效果最好,预测的结果为2017年是980.7470万人,2018年是985.8164万人,2019年是987.5616万人,...
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１生物神经元??
因为ＭＰ模型相对来说比较简单，并且它的权值还不能够通过学习来进行训??练，所以需要灵活性更高、复杂性更强的神经元模型．这里我们给出一个拥有ｎ个??输入的一般神经元模型，如图２．３所示．在图２．３中，ｚ?＝?（：＾，〇；２，．．．，〇；？广表示神经??元的输入数据，Ｑ?＝?（Ｗｌ，〇；２，…，叫）Ｔ表示可以调节的输入权值，０表示偏移的信号，??Ｔ表示神经元的阈值，ｗ表示神经元的基函数，／（？）表示神经元的激活函数，ｙ表示??神经元的输出数据．基函数Ｗ?＝?是一个多个输入单个输出的函数，激活函??数／Ｈ?—般是对基函数的输出＾进行转换即“挤压”：ｙ?＝?／〇？〇，就是通过激活函??数将基函数的输出值ｕ限制在一定的范围内．??下面给出的基函数和激活函数是经常被用到的类型．??１）基函数类型??（１）线性函数．??６??
??图２．２?ＭＰ模型??活阶段（ｐｒｅ＾ａｃｔｉｖａｔｉｏｎ），即将接收到的输入信息通过与相应的权重进行加权求和??之后传递给下一阶段．这一阶段的数学公式如（２．１）：??ｍ??ｈ?＝?２＾ＷｉＸｉ?＋?（２．１）??ｉ＝ｌ??该公式也是神经网络中基函数的一个表达式．??第二阶段称为激活阶段，就是将预激活阶段加权之后得出的结果传递给激活??函数．通常来说，预激活之后的数据经过激活函数之后将被压缩到一定范围内，压??缩后数据的大小将决定神经元所处的状态——活跃或抑制，最后将输出的结果即压??缩后的数据传递给下一层的神经元，这一阶段的数学公式如（２．２）：??ａ?＝?ｆ（ｈ），?（２．２）??其中，／是激活函数，／ｉ是基函数的值．??因为ＭＰ模型相对来说比较简单
【参考文献】：
期刊论文
[1]深圳市南山区2005—2016年淋病流行特征及ARIMA模型发病趋势预测[J]. 吴秋红,张莉,袁军,田丽闪,李武,罗珍胄. 中国感染控制杂志. 2018(03)
[2]ARIMA模型在中国GDP预测中的应用[J]. 邵明吉,任哲勖,赵周慧,郭涛. 价值工程. 2018(09)
[3]ARIMA模型在预测我国乙肝月报告发病数中的应用[J]. 沈忠周,王雅文,马帅,赵鹏宇,于凯,严宝湖,江宇. 中华疾病控制杂志. 2018(03)
[4]基于ARIMA模型的广西区能源消费的预测[J]. 谢小军. 科技经济导刊. 2018(07)
[5]基于ARIMA模型的重庆市人口老龄化趋势预测[J]. 邓世成. 武汉商学院学报. 2018(01)
[6]基于包容性检验的新疆兵团农机总动力组合预测[J]. 王丽伟,赵永满,杨续昌,付威,曹卫彬,周雪. 农机化研究. 2018(09)
[7]我国包虫病报告病例数自回归移动平均模型预测研究[J]. 谭恩丽,王正峰,周文策,李石柱,卢艳,艾琳,蔡玉春,滕雪娇,张顺先,党志胜,杨春利,陈家旭,胡薇,周晓农,田利光. 中国血吸虫病防治杂志. 2018(01)
[8]基于ARIMA模型对中国波指的分析及预测[J]. 李雪,李艳. 当代经济. 2018(04)
[9]基于ARIMA、LS-SVM和BP神经网络组合模型的航空运输飞行事故征候预测[J]. 梁文娟,李雪艳. 安全与环境工程. 2018(01)
[10]基于时间序列分析并预测三峡库区局地环境温度的变化[J]. 马力,于瑞林,李杰,夏立忠,LI Yun-cong. 中国农业气象. 2018(01)
博士论文
[1]基于智能理论的交通流量组合预测模型研究[D]. 于志恒.东北师范大学 2016
硕士论文
[1]基于数据挖掘的失业预警分析和管理[D]. 成晔.南京大学 2017
[2]基于ARIMA与SVM组合模型的国内旅游市场预测研究[D]. 刘胜.东华理工大学 2017
[3]EIV-Kalman组合模型构建及其在变形分析与预测中的应用[D]. 杨宏.西南交通大学 2017
[4]基于时序驱动的城市供水量组合预测模型研究[D]. 刘年东.昆明理工大学 2017
[5]基于ARIMA与GRNN组合模型对人民币汇率的预测[D]. 张艳.湖北工业大学 2017
[6]基于偏最小二乘回归与Fisher判别的失业预测分析[D]. 金玉丽.南京大学 2014
[7]基于多权值神经网络的语音情感识别的研究[D]. 何天成.浙江工业大学 2007
本文编号：3301586
【文章来源】：湖南大学湖南省 211工程院校 985工程院校 教育部直属院校
【文章页数】：62 页
【学位级别】：硕士
【部分图文】：
图２．１生物神经元??
因为ＭＰ模型相对来说比较简单，并且它的权值还不能够通过学习来进行训??练，所以需要灵活性更高、复杂性更强的神经元模型．这里我们给出一个拥有ｎ个??输入的一般神经元模型，如图２．３所示．在图２．３中，ｚ?＝?（：＾，〇；２，．．．，〇；？广表示神经??元的输入数据，Ｑ?＝?（Ｗｌ，〇；２，…，叫）Ｔ表示可以调节的输入权值，０表示偏移的信号，??Ｔ表示神经元的阈值，ｗ表示神经元的基函数，／（？）表示神经元的激活函数，ｙ表示??神经元的输出数据．基函数Ｗ?＝?是一个多个输入单个输出的函数，激活函??数／Ｈ?—般是对基函数的输出＾进行转换即“挤压”：ｙ?＝?／〇？〇，就是通过激活函??数将基函数的输出值ｕ限制在一定的范围内．??下面给出的基函数和激活函数是经常被用到的类型．??１）基函数类型??（１）线性函数．??６??
??图２．２?ＭＰ模型??活阶段（ｐｒｅ＾ａｃｔｉｖａｔｉｏｎ），即将接收到的输入信息通过与相应的权重进行加权求和??之后传递给下一阶段．这一阶段的数学公式如（２．１）：??ｍ??ｈ?＝?２＾ＷｉＸｉ?＋?（２．１）??ｉ＝ｌ??该公式也是神经网络中基函数的一个表达式．??第二阶段称为激活阶段，就是将预激活阶段加权之后得出的结果传递给激活??函数．通常来说，预激活之后的数据经过激活函数之后将被压缩到一定范围内，压??缩后数据的大小将决定神经元所处的状态——活跃或抑制，最后将输出的结果即压??缩后的数据传递给下一层的神经元，这一阶段的数学公式如（２．２）：??ａ?＝?ｆ（ｈ），?（２．２）??其中，／是激活函数，／ｉ是基函数的值．??因为ＭＰ模型相对来说比较简单
【参考文献】：
期刊论文
[1]深圳市南山区2005—2016年淋病流行特征及ARIMA模型发病趋势预测[J]. 吴秋红,张莉,袁军,田丽闪,李武,罗珍胄. 中国感染控制杂志. 2018(03)
[2]ARIMA模型在中国GDP预测中的应用[J]. 邵明吉,任哲勖,赵周慧,郭涛. 价值工程. 2018(09)
[3]ARIMA模型在预测我国乙肝月报告发病数中的应用[J]. 沈忠周,王雅文,马帅,赵鹏宇,于凯,严宝湖,江宇. 中华疾病控制杂志. 2018(03)
[4]基于ARIMA模型的广西区能源消费的预测[J]. 谢小军. 科技经济导刊. 2018(07)
[5]基于ARIMA模型的重庆市人口老龄化趋势预测[J]. 邓世成. 武汉商学院学报. 2018(01)
[6]基于包容性检验的新疆兵团农机总动力组合预测[J]. 王丽伟,赵永满,杨续昌,付威,曹卫彬,周雪. 农机化研究. 2018(09)
[7]我国包虫病报告病例数自回归移动平均模型预测研究[J]. 谭恩丽,王正峰,周文策,李石柱,卢艳,艾琳,蔡玉春,滕雪娇,张顺先,党志胜,杨春利,陈家旭,胡薇,周晓农,田利光. 中国血吸虫病防治杂志. 2018(01)
[8]基于ARIMA模型对中国波指的分析及预测[J]. 李雪,李艳. 当代经济. 2018(04)
[9]基于ARIMA、LS-SVM和BP神经网络组合模型的航空运输飞行事故征候预测[J]. 梁文娟,李雪艳. 安全与环境工程. 2018(01)
[10]基于时间序列分析并预测三峡库区局地环境温度的变化[J]. 马力,于瑞林,李杰,夏立忠,LI Yun-cong. 中国农业气象. 2018(01)
博士论文
[1]基于智能理论的交通流量组合预测模型研究[D]. 于志恒.东北师范大学 2016
硕士论文
[1]基于数据挖掘的失业预警分析和管理[D]. 成晔.南京大学 2017
[2]基于ARIMA与SVM组合模型的国内旅游市场预测研究[D]. 刘胜.东华理工大学 2017
[3]EIV-Kalman组合模型构建及其在变形分析与预测中的应用[D]. 杨宏.西南交通大学 2017
[4]基于时序驱动的城市供水量组合预测模型研究[D]. 刘年东.昆明理工大学 2017
[5]基于ARIMA与GRNN组合模型对人民币汇率的预测[D]. 张艳.湖北工业大学 2017
[6]基于偏最小二乘回归与Fisher判别的失业预测分析[D]. 金玉丽.南京大学 2014
[7]基于多权值神经网络的语音情感识别的研究[D]. 何天成.浙江工业大学 2007
本文编号：3301586
本文链接：https://www.wllwen.com/kejilunwen/yysx/3301586.html
