基于RBF神经网络的GDP时间序列预测模型研究

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RBFTSF模型的预测精度则高达95.0360%。这表明本文提出的RBFTSF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。