基于廣義回歸神經(jīng)網(wǎng)絡(luò)的經(jīng)濟(jì)預(yù)測模型研究

[摘 要] 本文利用廣義回歸神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)和非線性的特點，建立了經(jīng)濟(jì)系統(tǒng)的評價指標(biāo)體系，將經(jīng)濟(jì)變量數(shù)據(jù)歸一化處理，然后送入廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN)中訓(xùn)練，得出相應(yīng)參數(shù)，再對相關(guān)經(jīng)濟(jì)變量進(jìn)行預(yù)測，經(jīng)過檢驗得出了令人滿意的結(jié)果�！　�[關(guān)鍵詞] 廣義回歸神經(jīng)網(wǎng)絡(luò) 經(jīng)濟(jì)預(yù)測 評價指標(biāo)體系
　　
　　一般常用的預(yù)測方法包括時間序列方法（移動平滑法、指數(shù)平滑法、隨機(jī)時間序列方法），相關(guān)(回歸)分析法，灰色預(yù)測方法等。這些方法大都集中于對因果關(guān)系回歸模型和時間序列模型的分析，建立的模型不能全面和本質(zhì)的反映所預(yù)測的動態(tài)數(shù)據(jù)的內(nèi)在結(jié)構(gòu)和復(fù)雜特性。人工神經(jīng)網(wǎng)絡(luò)是有大量簡單的處理單元組成的非線形、自適應(yīng)、自組織系統(tǒng)，它的重要特點是通過網(wǎng)絡(luò)學(xué)習(xí)達(dá)到其輸出與期望輸出相符的結(jié)果，具有很強(qiáng)的自學(xué)自適應(yīng)、魯棒性、容錯性、存儲記憶的能力，人工神經(jīng)網(wǎng)絡(luò)具有傳統(tǒng)建模方法所不具備的很多優(yōu)點，有很好的非線形映射能力，對被建模對象的經(jīng)驗知識要求不多，一般不必事先知道有關(guān)被建模對象的結(jié)構(gòu)、參數(shù)和動態(tài)特性等方面的知識。只需要給出對象的輸入和輸出數(shù)據(jù)，通過網(wǎng)絡(luò)本身的學(xué)習(xí)功能就可以達(dá)到輸入和輸出的映射關(guān)系。相對于傳統(tǒng)的根據(jù)數(shù)據(jù)分析預(yù)測方法，它更適合處理模糊、非線形的和模式特征不明確的問題。人工神經(jīng)網(wǎng)絡(luò)中有各種模型，其中廣義回歸神經(jīng)網(wǎng)絡(luò)（Generalized Regression Neural Network, GRNN）是Donald F.Specht提出的一種新型神經(jīng)網(wǎng)絡(luò)，本文將探討該神經(jīng)網(wǎng)絡(luò)模型在經(jīng)濟(jì)預(yù)測中的應(yīng)用。
　　一、廣義回歸神經(jīng)網(wǎng)絡(luò)
　　廣義回歸神經(jīng)網(wǎng)絡(luò)（GRNN）是徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的一種，有三層組織結(jié)構(gòu)。第一層為輸入層，有信號源結(jié)點組成。第二層為徑向基隱含層，神經(jīng)元個數(shù)等于訓(xùn)練樣本數(shù)，由所描述問題而定，第三層為線性輸出層，其權(quán)函數(shù)為規(guī)范化點積權(quán)函數(shù)，計算網(wǎng)絡(luò)的輸出。
　　GRNN網(wǎng)絡(luò)連接權(quán)值的學(xué)習(xí)修正使用BP算法，由于網(wǎng)絡(luò)隱含層結(jié)點中的作用函數(shù)采用高斯函數(shù)，從而具有局部逼近能力，此為該網(wǎng)絡(luò)之所以學(xué)習(xí)速度快的原因，此外，由于GRNN中人為調(diào)節(jié)參數(shù)很少，只有一個閾值，網(wǎng)絡(luò)的學(xué)習(xí)全部依耐數(shù)據(jù)樣本，這個特點決定網(wǎng)絡(luò)得以最大可能地避免人為主觀假定對預(yù)測結(jié)果的影響。
　　二、GRNN在經(jīng)濟(jì)預(yù)測中的應(yīng)用
　　本文根據(jù)對GDP影響因素的分析，這里分別取固定資產(chǎn)投資、從業(yè)人員數(shù)量、能源生產(chǎn)總量、財政支出、貨運(yùn)量、人均收入、進(jìn)出口量，貨幣供應(yīng)量等8項指標(biāo)作為GDP預(yù)測的影響因子，以第一產(chǎn)業(yè)，第二產(chǎn)業(yè)，第三產(chǎn)業(yè)生產(chǎn)總值作為GDP的輸出因子，即網(wǎng)絡(luò)的輸出。由此來構(gòu)建廣義回歸神經(jīng)網(wǎng)絡(luò)。

【基于廣義回歸神經(jīng)網(wǎng)絡(luò)的經(jīng)濟(jì)預(yù)測模型研究】相關(guān)文章：

基于廣義回歸神經(jīng)網(wǎng)絡(luò)的黃金價格預(yù)測研究03-23

基于灰色—回歸預(yù)測模型的鐵路客運(yùn)量研究03-07

基于組合模型的防城港貨物吞吐量預(yù)測研究03-07

基于自編碼神經(jīng)網(wǎng)絡(luò)建立的搜索信息模型03-11

基于RBF神經(jīng)網(wǎng)絡(luò)的水體富營養(yǎng)化預(yù)測03-07

基于改進(jìn)BP的神經(jīng)網(wǎng)絡(luò)模型參考自適應(yīng)控制03-21

經(jīng)濟(jì)增長理論與模型的發(fā)展研究12-05

法經(jīng)濟(jì)學(xué)研究方法的新思路-基于結(jié)構(gòu)方程模型的簡介03-21

基于戰(zhàn)略系統(tǒng)的審計風(fēng)險模型研究03-04

基于活動的日活動計劃模型研究11-22