基于思維進(jìn)化算法的灰色神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)GDP的效用研究
發(fā)布時(shí)間:2021-04-16 22:27
國(guó)內(nèi)生產(chǎn)總值(GDP)是反映一個(gè)國(guó)家或者地區(qū)經(jīng)濟(jì)發(fā)展?fàn)顩r以及總體發(fā)展水平的重要指標(biāo)之一。它的準(zhǔn)確預(yù)測(cè)可以為政府的經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和經(jīng)濟(jì)發(fā)展提供可靠的依據(jù),所以關(guān)于GDP預(yù)測(cè)的研究具有重要的實(shí)際意義。GDP受多種因素的影響,這些因素的指標(biāo)數(shù)據(jù)呈現(xiàn)復(fù)雜的時(shí)間序列性和非線性,數(shù)據(jù)量也相對(duì)較少。在處理GDP預(yù)測(cè)問題時(shí),以往方法的預(yù)測(cè)精度往往難以令人滿意。神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)能力極強(qiáng),操作簡(jiǎn)單,對(duì)于解決數(shù)據(jù)量少、數(shù)據(jù)內(nèi)部存在多重共線性的問題有很好的效果,適用于GDP的預(yù)測(cè)工作。但是在預(yù)測(cè)中往往存在收斂速度慢,容易陷入局部最優(yōu)解的問題。為了解決神經(jīng)網(wǎng)絡(luò)模型存在的上述問題、提升預(yù)測(cè)精確度,本文將思維進(jìn)化優(yōu)化灰色神經(jīng)網(wǎng)絡(luò)模型應(yīng)用于GDP的預(yù)測(cè)中。利用河北省2005-2016年的GDP相關(guān)數(shù)據(jù),選取河北省GDP作為被解釋變量,河北省人口數(shù)、固定投資、地方財(cái)政一般預(yù)算收入、居民消費(fèi)水平等十個(gè)指標(biāo)為解釋變量。以灰色模型為基礎(chǔ),在此基礎(chǔ)上通過嵌入和串聯(lián)方式加入誤差反向傳播人工神經(jīng)網(wǎng)絡(luò)(BP神經(jīng)網(wǎng)絡(luò))得到嵌入型灰色神經(jīng)網(wǎng)絡(luò)模型和串聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)模型,然后在串聯(lián)型灰色神經(jīng)網(wǎng)絡(luò)模型中加入思維進(jìn)化算法,得到思維進(jìn)化法優(yōu)化灰...
【文章來源】:燕山大學(xué)河北省
【文章頁數(shù)】:75 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
1)模型預(yù)測(cè)值擬合曲線與實(shí)際值對(duì)比圖圖2-1中,值代表年份,取值從1到12分別代表2005到2016年,代表GDP的值。點(diǎn)代表了的實(shí)際值,曲線為的預(yù)測(cè)值擬合曲線圖。觀察圖,不
BP神經(jīng)網(wǎng)絡(luò)模型,它的工作原理如圖3-1,圖3-1來源于文獻(xiàn)[32]。圖3-1 BP神經(jīng)網(wǎng)絡(luò)的原理圖圖中 表示輸入值, 表示當(dāng)前節(jié)點(diǎn) 與上一層節(jié)點(diǎn) 的連接權(quán)值, 表示- 12 -
2-6可得模型獲得了良好得預(yù)測(cè)效果。模型的訓(xùn)練誤差隨進(jìn)化次數(shù)的變化曲線,如圖3-6和河北省2005-2016年的GDP預(yù)測(cè)值和真實(shí)值的模擬曲線,如圖3-7。由圖3-6可知,神經(jīng)網(wǎng)絡(luò)迭代100次之后誤差值基本趨近于0,可知隨著迭代次數(shù)的增加,神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差逐漸減小。當(dāng)?shù)螖?shù)大約為20次時(shí),灰色神經(jīng)網(wǎng)絡(luò)的迭代誤差基本為0。綜上所述,可以得出:灰色神經(jīng)網(wǎng)絡(luò)得到了很好的訓(xùn)練,可以用來進(jìn)行GDP預(yù)測(cè)。通過MATLAB測(cè)得灰色神經(jīng)網(wǎng)絡(luò)的連接權(quán)值為: 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。圖3-7體現(xiàn)了河北省2005-2016年GDP的預(yù)測(cè)值和真實(shí)值的擬合曲線。圖中 值代表年份, 取值從1到12分別代表2005到2016年
本文編號(hào):3142290
【文章來源】:燕山大學(xué)河北省
【文章頁數(shù)】:75 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
1)模型預(yù)測(cè)值擬合曲線與實(shí)際值對(duì)比圖圖2-1中,值代表年份,取值從1到12分別代表2005到2016年,代表GDP的值。點(diǎn)代表了的實(shí)際值,曲線為的預(yù)測(cè)值擬合曲線圖。觀察圖,不
BP神經(jīng)網(wǎng)絡(luò)模型,它的工作原理如圖3-1,圖3-1來源于文獻(xiàn)[32]。圖3-1 BP神經(jīng)網(wǎng)絡(luò)的原理圖圖中 表示輸入值, 表示當(dāng)前節(jié)點(diǎn) 與上一層節(jié)點(diǎn) 的連接權(quán)值, 表示- 12 -
2-6可得模型獲得了良好得預(yù)測(cè)效果。模型的訓(xùn)練誤差隨進(jìn)化次數(shù)的變化曲線,如圖3-6和河北省2005-2016年的GDP預(yù)測(cè)值和真實(shí)值的模擬曲線,如圖3-7。由圖3-6可知,神經(jīng)網(wǎng)絡(luò)迭代100次之后誤差值基本趨近于0,可知隨著迭代次數(shù)的增加,神經(jīng)網(wǎng)絡(luò)的訓(xùn)練誤差逐漸減小。當(dāng)?shù)螖?shù)大約為20次時(shí),灰色神經(jīng)網(wǎng)絡(luò)的迭代誤差基本為0。綜上所述,可以得出:灰色神經(jīng)網(wǎng)絡(luò)得到了很好的訓(xùn)練,可以用來進(jìn)行GDP預(yù)測(cè)。通過MATLAB測(cè)得灰色神經(jīng)網(wǎng)絡(luò)的連接權(quán)值為: 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。圖3-7體現(xiàn)了河北省2005-2016年GDP的預(yù)測(cè)值和真實(shí)值的擬合曲線。圖中 值代表年份, 取值從1到12分別代表2005到2016年
本文編號(hào):3142290
本文鏈接:http://sikaile.net/jingjilunwen/jingjiguanlilunwen/3142290.html
最近更新
教材專著