基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

被引:16
作者
喻胜华 [1 ]
邓娟 [2 ]
机构
[1] 湖南大学经济与贸易学院
[2] 中南大学数学科学与计算技术学院
关键词
主成分分析; 贝叶斯正则化; BP神经网络; 预测;
D O I
暂无
中图分类号
F222.33 [国民经济计算体系]; TP183 [人工神经网络与计算];
学科分类号
020208 ; 0714 ; 020201 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要
选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985~2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。
引用
收藏
页码:42 / 45
页数:4
相关论文
共 17 条
[2]   广西GDP的时间序列分析与预测模型 [J].
许阳千 .
沿海企业与科技, 2010, (07) :54-57
[3]   ARIMA模型在广东省GDP预测中的应用 [J].
华鹏 ;
赵学民 .
统计与决策, 2010, (12) :166-167
[4]   广东省GDP时间序列预测——基于神经网络与ARIMA模型 [J].
梁文光 .
技术与市场, 2010, 17 (06) :7-9
[5]   灰色GM(1,1)预测模型及其在甘肃省GDP预测中的应用 [J].
户孝俊 ;
马德山 ;
贾田田 .
甘肃农业, 2010, (05) :25-26
[6]   灰色预测模型在江苏省GDP预测中的运用分析 [J].
穆昭光 .
现代商贸工业, 2009, 21 (22) :32-33
[7]   遗传算法和BP神经网络在GDP预测中的应用 [J].
陈志高 .
计算机与数字工程, 2009, 37 (09) :172-175
[8]   组合预测模型在中国GDP预测中的应用 [J].
王莎莎 ;
陈安 ;
苏静 ;
李硕 .
山东大学学报(理学版), 2009, 44 (02) :56-59
[9]   组合时间序列ARMA模型在经济预测中的应用——内蒙古十一五期间GDP预测 [J].
雍红月 ;
包桂兰 .
数学的实践与认识, 2008, (21) :19-23
[10]   基于主成分分析与BP网络的我国GDP预测 [J].
柯年前 ;
张吉刚 .
科技创业月刊, 2008, (08) :107-108