【摘要】：文章將干預(yù)模型與BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合,提出了基于干預(yù)模型與BP神經(jīng)網(wǎng)絡(luò)集成的GDP時(shí)間序列預(yù)測模型,并實(shí)現(xiàn)了算法。利用我國1978~2004年的GDP數(shù)據(jù)建立多干預(yù)變量集成預(yù)測模型,對我國2005~2009年的GDP數(shù)據(jù)進(jìn)行預(yù)測,并將預(yù)測值與其他文獻(xiàn)所建模型的預(yù)測值進(jìn)行比較,預(yù)測誤差明顯減少,證實(shí)了所建立模型處理外部事件(如宏觀經(jīng)濟(jì)因素、政治因素等)的有效性。
【圖文】：

靖稍び跋斕那慷齲?B為后移算子，b為延遲期數(shù)。不管任何復(fù)雜的干預(yù)事件發(fā)生，其影響都可歸納為上述四種形式的某種組合[6]。1.2BP神經(jīng)網(wǎng)絡(luò)模型基于反向傳播（backpropagation）算法的多層前饋神經(jīng)網(wǎng)絡(luò)（BP神經(jīng)網(wǎng)絡(luò)）是一種應(yīng)用較廣的NN模型。BP網(wǎng)絡(luò)通常由輸入層、輸出層和若干隱含層構(gòu)成，每層由若干個(gè)結(jié)點(diǎn)組成，每一個(gè)結(jié)點(diǎn)表示一個(gè)神經(jīng)元，上層結(jié)點(diǎn)與下層結(jié)點(diǎn)之間通過權(quán)聯(lián)接，層與層之間的節(jié)點(diǎn)采用全互連的連接方式，每層內(nèi)結(jié)點(diǎn)之間沒有聯(lián)系[7]。多層前饋神經(jīng)網(wǎng)絡(luò)如圖1所示：圖1多層前饋神經(jīng)網(wǎng)絡(luò)BP神經(jīng)網(wǎng)絡(luò)通過BP算法來訓(xùn)練模型，其基本思想是：先賦予網(wǎng)絡(luò)初始權(quán)值和閾值，通過層間前向信息傳遞計(jì)算出網(wǎng)絡(luò)的輸出值，然后比較網(wǎng)絡(luò)的實(shí)際輸出和期望輸出之間的誤差，修改網(wǎng)絡(luò)的權(quán)值和閾值，通過不斷的反復(fù)訓(xùn)練和比較，使得實(shí)際輸出和期望輸出之間的誤差達(dá)到最小[3]。2基于干預(yù)模型與BP神經(jīng)網(wǎng)絡(luò)的集成模型2.1集成模型的原理及算法將時(shí)間序列{xt}看作由帶有干擾因素的線性部分lt與非線性部分nt組成，即xt=lt+nt則可根據(jù)以下步驟構(gòu)建集成模型：(1)利用干預(yù)模型對時(shí)間序列{xt}建模，得到帶有干擾因素的線性部分lt的預(yù)測值l∧t，其殘差et=xt-l∧t。(2)運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型來逼近殘差序列{et}中的非線性關(guān)系，即確定輸入層節(jié)點(diǎn)個(gè)數(shù)n后，將et-1,et-2,…,et-n作為輸入，et作為輸出，通過BP神經(jīng)網(wǎng)絡(luò)模型得到et的預(yù)測值e∧t，即n∧t。(3)集成模型對序列{xt}的預(yù)測值x∧t=l∧t+n∧t。該集成模型的算法流程如圖2所示：

8711211.4412808.0314596.58年份19941995199619971998199920002001GDP16505.9218309.1820141.6622014.2423738.6925547.5427701.5330000.84年份20022003200420052006200720082009GDP32725.5436006.4039637.6644120.6949713.6656754.3162222.4067892.77注：資料來源于中國國家統(tǒng)計(jì)局網(wǎng)站(www.stats.gov.cn)修訂后的數(shù)據(jù)，并已按1978年不變價(jià)格進(jìn)行換算。運(yùn)用SAS軟件作出1978~2004年的GDP序列{xt}的時(shí)序圖如圖3：圖3我國1978`2004年GDP趨勢首先，建立干預(yù)模型。根據(jù)時(shí)序圖所顯現(xiàn)出的特征，對{xt}作如下變換：yt=ln(xt)由于序列{yt}呈現(xiàn)線性增長趨勢，故對yt作一階差分得到y(tǒng)t，記zt=yt。觀察zt的自相關(guān)圖與偏自相關(guān)圖，可以判斷zt基本平穩(wěn)。對zt進(jìn)行白噪聲檢驗(yàn)，其LB統(tǒng)計(jì)量的p值小于0.0001，故zt不是白噪聲序列。作出zt的時(shí)序圖如圖4所示：圖4zt的時(shí)序圖從圖4可以發(fā)現(xiàn)，1981、1984、1989和1992年均有干圖2算法流程142

謝凰恪?運(yùn)用SAS軟件作出1978~2004年的GDP序列{xt}的時(shí)序圖如圖3：圖3我國1978`2004年GDP趨勢首先，建立干預(yù)模型。根據(jù)時(shí)序圖所顯現(xiàn)出的特征，對{xt}作如下變換：yt=ln(xt)由于序列{yt}呈現(xiàn)線性增長趨勢，故對yt作一階差分得到y(tǒng)t，記zt=yt。觀察zt的自相關(guān)圖與偏自相關(guān)圖，可以判斷zt基本平穩(wěn)。對zt進(jìn)行白噪聲檢驗(yàn)，其LB統(tǒng)計(jì)量的p值小于0.0001，故zt不是白噪聲序列。作出zt的時(shí)序圖如圖4所示：圖4zt的時(shí)序圖從圖4可以發(fā)現(xiàn)，1981、1984、1989和1992年均有干圖2算法流程142

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 馮文權(quán);;傳遞函數(shù)模型與干預(yù)分析模型[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;1989年12期

2 熊志斌;;基于ARIMA與神經(jīng)網(wǎng)絡(luò)集成的GDP時(shí)間序列預(yù)測研究[J];數(shù)理統(tǒng)計(jì)與管理;2011年02期

3 劉全;劉汀;;基于ARIMA的多元時(shí)間序列神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究[J];統(tǒng)計(jì)與決策;2009年11期

相關(guān)會議論文 前1條

1 任家福;張f ;周宗放;;基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)的組合預(yù)測模型及應(yīng)用研究[A];第三屆（2008）中國管理學(xué)年會論文集[C];2008年

相關(guān)碩士學(xué)位論文 前1條

1 黃雪燕;人工神經(jīng)網(wǎng)絡(luò)在GDP預(yù)測中的應(yīng)用研究[D];吉林大學(xué);2007年

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙成柏;毛春梅;;基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)組合模型的我國碳排放強(qiáng)度預(yù)測[J];長江流域資源與環(huán)境;2012年06期

2 何新易;;基于時(shí)間序列模型的中國GDP增長預(yù)測分析[J];財(cái)經(jīng)理論與實(shí)踐;2012年04期

3 劉紅衛(wèi);肖彩波;;ARMA模型在西藏自治區(qū)GDP預(yù)測分析中的應(yīng)用[J];北方經(jīng)濟(jì);2012年14期

4 李新東;;基于過程神經(jīng)網(wǎng)絡(luò)的黑龍江省GDP預(yù)測[J];黑龍江教育學(xué)院學(xué)報(bào);2012年03期

5 梁娜;張吉?jiǎng)?;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的GDP時(shí)間序列預(yù)測[J];河南科學(xué);2011年12期

6 梁娜;張吉?jiǎng)?;基于改進(jìn)BP的GDP預(yù)測研究[J];計(jì)算機(jī)與數(shù)字工程;2012年01期

7 黃岳嶸;徐曉鐘;張益銘;王勁松;;基于ARIMA和神經(jīng)網(wǎng)絡(luò)模型的城市燃?xì)庳?fù)荷預(yù)測[J];計(jì)算機(jī)應(yīng)用與軟件;2011年12期

8 劉莉佳;孫德山;;組合模型對居民消費(fèi)價(jià)格指數(shù)序列的分析及預(yù)測[J];科技信息;2011年27期

9 李興東;武耀華;;基于ARIMA的民勤綠洲水資源承載產(chǎn)值時(shí)間序列預(yù)測[J];蘭州交通大學(xué)學(xué)報(bào);2012年03期

10 張茜云;萬定生;殷誼輝;;基于ARIMA與BP的水利工程投資預(yù)測模型研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2010年18期

相關(guān)會議論文 前1條

1 金晨路;肖穩(wěn)安;;武漢雷暴氣候特征及其ARIMA-NN預(yù)測模型的研究[A];S13 第十屆防雷減災(zāi)論壇——雷電災(zāi)害與風(fēng)險(xiǎn)評估[C];2012年

相關(guān)博士學(xué)位論文 前1條

1 馬黎華;石羊河流域用水結(jié)構(gòu)的數(shù)據(jù)驅(qū)動(dòng)模擬及缺水風(fēng)險(xiǎn)研究[D];西北農(nóng)林科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前6條

1 嵇金鑫;土地利用規(guī)劃中城鄉(xiāng)建設(shè)用地規(guī)模的預(yù)測與實(shí)證研究[D];寧波大學(xué);2010年

2 趙光娟;企業(yè)景氣指數(shù)的干預(yù)模型研究[D];華中農(nóng)業(yè)大學(xué);2011年

3 崔博;過程神經(jīng)網(wǎng)絡(luò)在GDP預(yù)測中的應(yīng)用研究[D];哈爾濱商業(yè)大學(xué);2011年

4 譚健平;基于主導(dǎo)產(chǎn)業(yè)選擇的翠山湖園區(qū)財(cái)務(wù)效益評估[D];華南理工大學(xué);2011年

5 石艷麗;基于人工神經(jīng)網(wǎng)絡(luò)的經(jīng)濟(jì)預(yù)測模型研究[D];中國地質(zhì)大學(xué)（北京）;2008年

6 金晨路;湖北省雷電的特征分析及預(yù)測[D];南京信息工程大學(xué);2012年

【二級參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王樹明,夏國平;基于BP神經(jīng)網(wǎng)絡(luò)的飛行動(dòng)態(tài)實(shí)時(shí)預(yù)測方法[J];北京航空航天大學(xué)學(xué)報(bào);2001年06期

2 徐金梧，梁靜;神經(jīng)網(wǎng)絡(luò)在信號處理中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);1994年01期

3 張立朋,李立梅;一種用于語音識別的神經(jīng)網(wǎng)絡(luò)[J];北京郵電大學(xué)學(xué)報(bào);1995年01期

4 劉蘭娟;謝美萍;;基于自適應(yīng)小波神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法研究——對我國石油產(chǎn)量的預(yù)測分析[J];財(cái)經(jīng)研究;2006年03期

5 朱幫助;林健;;基于神經(jīng)網(wǎng)絡(luò)集成的經(jīng)濟(jì)預(yù)測模型[J];遼寧工程技術(shù)大學(xué)學(xué)報(bào);2006年S1期

6 黃繼鴻,雷戰(zhàn)波,凌超;經(jīng)濟(jì)預(yù)警方法研究綜述[J];系統(tǒng)工程;2003年02期

7 景濱杰;回歸分析法在經(jīng)濟(jì)預(yù)測中的應(yīng)用淺析[J];山西經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào);2004年03期

8 林健,彭敏晶;基于神經(jīng)網(wǎng)絡(luò)集成的GDP預(yù)測模型[J];管理學(xué)報(bào);2005年04期

9 陳健;游瑋;田金信;;應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行經(jīng)濟(jì)預(yù)測方法的改進(jìn)[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2006年06期

10 湯軍其，黃梯云;基于神經(jīng)元網(wǎng)絡(luò)的ARMA模型結(jié)構(gòu)選擇[J];決策與決策支持系統(tǒng);1995年04期

相關(guān)碩士學(xué)位論文 前1條

1 戴華娟;組合預(yù)測模型及其應(yīng)用研究[D];中南大學(xué);2007年

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 石艷麗;安海忠;高湘昀;;基于時(shí)序—神經(jīng)網(wǎng)絡(luò)模型的我國石油消費(fèi)預(yù)測[J];資源與產(chǎn)業(yè);2011年02期

2 王淑芬;李本言;陳美;;基于ARMA模型的天津市“十一五”經(jīng)濟(jì)增長預(yù)測分析[J];環(huán)渤海經(jīng)濟(jì)w

本文編號：2801232