基于RBF神经网络的GDP时间序列预测模型研究

发布时间：2018-08-20 14:10

【摘要】：对GDP进行高精度的分析预测,对制定经济发展战略、规划年度计划以及各种宏观经济政策,具有重要的理论与现实意义。本文采用RBF神经网络作为工具,建立基于RBF神经网络的GDP时间序列预测模型,并与ARIMA模型进行对比,对上海市22年的GDP数据进行了仿真实验。实验表明,ARIMA模型对上海市GDP数据进行预测的精度仅为91.8754%,而本文提出的RBF_TSF模型的预测精度则高达95.0360%。这表明本文提出的RBF_TSF比ARIMA模型在GDP时间序列预测上具有更高的预测精度。同时该模型收敛迅速,具有很强的实用价值。
[Abstract]:The high-precision analysis and prediction of GDP is of great theoretical and practical significance in formulating economic development strategies, planning annual plans and various macroeconomic policies. In this paper, RBF neural network is used as a tool to establish the GDP time series prediction model based on RBF neural network, and compared with the ARIMA model, the GDP data of 22 years in Shanghai are simulated. The experimental results show that the precision of Arima model to predict GDP data in Shanghai is only 91.8754, while the prediction accuracy of the proposed RBF_TSF model is 95.0360. This shows that the proposed RBF_TSF model has higher prediction accuracy than the ARIMA model in GDP time series prediction. At the same time, the model converges rapidly and has strong practical value.
【作者单位】： 同济大学经济与管理学院;
【基金】：国家自然科学基金(71071113)
【分类号】：F222.33;F224

【相似文献】

相关期刊论文 前10条

1 赵蕾;陈美英;;ARIMA模型在福建省GDP预测中的应用[J];科技和产业;2007年01期

2 文明刚;颜丙胜;;ARIMA模型在河北GDP预测中的应用[J];科技创业月刊;2007年11期

3 沃丹妮;;ARIMA模型在杭州市全社会固定资产投资预测中的应用[J];金卡工程(经济与法);2010年05期

4 卢建昌,张世英,牛东晓;基于ARIMA的发电量预测方法[J];华北电力大学学报;2004年03期

5 黄日星,康重庆,夏清;电力市场中的边际电价预测[J];电力系统自动化;2000年22期

6 张卫国;以ARIMA模型估计2003年山东GDP增长速度——时间序列模型在中国省区经济增长预测中的应用实例[J];东岳论丛;2004年01期

7 陈耀辉,李楚霖;分数阶ARIMA模型的参数估计与预测[J];系统工程;2004年06期

8 刘云忠,宣慧玉;混沌时间序列及其在我国GDP(1978～2000)预测中的应用[J];管理工程学报;2004年02期

9 曹韫建;一类结合Outlier分析的单变量ARIMA模型在股票市场中的应用[J];中国管理科学;1998年01期

10 李智勇;孙小英;;ARIMA模型在批发和零售贸易餐饮业预测中的应用[J];北京市财贸管理干部学院学报;2006年03期

相关会议论文 前10条

1 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集（下册）[C];2003年

2 芮秀;;证券市场控制系统的分析与预测[A];1998中国控制与决策学术年会论文集[C];1998年

3 赵艳桃;崔梅萍;;寿险保费收入的时间序列预测[A];2004中国控制与决策学术年会论文集[C];2004年

4 万玉成;;输出数据为未确知数的线性回归预测模型[A];第四届中国不确定系统年会论文集[C];2006年

5 朱宁;徐标;李建军;;学生成绩判别分析预测模型[A];第八届中国青年运筹信息管理学者大会论文集[C];2006年

6 应保胜;容芷君;;线性供应链的稳定性分析及稳定化策略研究[A];2005年十二省区市机械工程学会学术年会论文集（湖北专集）[C];2005年

7 许海平;傅国华;;世界天然橡胶的供给与需求实证分析[A];热带作物产业带建设规划研讨会——天然橡胶产业发展论文集[C];2006年

8 梁循;陈华;杨健;曾月卿;;基于互联网股市信息量和神经网络的股价波动率预测[A];第八届中国管理科学学术年会论文集[C];2006年

9 吕剑;荐利荣;;江苏地区生产总值的灰色评价与模型预测[A];第16届全国灰色系统学术会议论文集[C];2008年

10 黄娑;王庚;;南通市经济增长和可持续发展问题研究[A];江苏省现场统计研究会第11次学术年会论文集[C];2008年

相关重要报纸文章 前4条

1 ;基于数量化方法对未来经济增长趋势的预测[N];第一财经日报;2009年

2 本报记者 童岱;地方统计数据为何失真[N];北京科技报;2009年

3 记者罗秋振、实习生权琳;用好信息 科学决策[N];柳州日报;2009年

4 香港城市大学亚太经济合作研究中心研究员 黄启添;一场美妙的动态博弈[N];国际商报;2009年

相关博士学位论文 前10条

1 管卫华;中国经济增长波动的多尺度分析及其预测[D];南京师范大学;2005年

2 万玉成;基于未确知性的预测与决策方法及其应用研究[D];东南大学;2004年

3 李湘梅;面向可持续发展的战略环境评价方法研究[D];华中科技大学;2007年

4 季峰;我国商业银行消费信贷违约概率模型研究[D];中国科学技术大学;2009年

5 潘雷驰;我国税收增长变动成因的定量研究[D];上海财经大学;2007年

6 陈子林;电子商务环境下的供应链drop-shipping渠道研究[D];华中科技大学;2008年

7 刘扬;基于Web的区域经济增长分析PSE模式与应用研究[D];华东师范大学;2003年

8 胡予红;煤炭消费预测与温室气体减排途径和对策研究[D];中国矿业大学（北京）;2010年

9 郭嘉良;海岸带渔业生态经济系统的随机梯度和规则集成评价预测[D];天津大学;2010年

10 刘晓东;基于绿色理念的港城协调关系评价模型及算法研究[D];大连海事大学;2011年

相关硕士学位论文 前10条

1 魏宁;时间序列分析方法研究及其在陕西省GDP预测中的应用[D];西北农林科技大学;2010年

2 金烨;GDP核算的回归估算方法研究[D];上海交通大学;2011年

3 舒俊;中国股市日收益率波动特征研究[D];华中科技大学;2005年

4 刘海勃;基于RBF神经网络的期货走势预测模型研究[D];大连海事大学;2006年

5 余兵;差分进化算法及其应用[D];西安工程大学;2007年

6 赵伟;非线性最小二乘法拟合函数在经济发展中的应用[D];吉林大学;2008年

7 常胜利;用非线性最小二乘法拟合函数分析购买力平价与汇率之间的关系[D];吉林大学;2008年

8 王铁媛;灰色系统预测模型与改进及其在现金流预测中的应用[D];内蒙古工业大学;2005年

9 王浩;重复剪辑近邻法股票价格预测[D];西南交通大学;2005年

10 刘伟;北京市天然气分配优化方法[D];中国地质大学（北京）;2006年

，

本文编号：2193895