论文部分内容阅读
国内生产总值(GDP)是反映一个国家或者地区经济发展状况以及总体发展水平的重要指标之一。它的准确预测可以为政府的经济结构调整和经济发展提供可靠的依据,所以关于GDP预测的研究具有重要的实际意义。GDP受多种因素的影响,这些因素的指标数据呈现复杂的时间序列性和非线性,数据量也相对较少。在处理GDP预测问题时,以往方法的预测精度往往难以令人满意。神经网络模型学习能力极强,操作简单,对于解决数据量少、数据内部存在多重共线性的问题有很好的效果,适用于GDP的预测工作。但是在预测中往往存在收敛速度慢,容易陷入局部最优解的问题。为了解决神经网络模型存在的上述问题、提升预测精确度,本文将思维进化优化灰色神经网络模型应用于GDP的预测中。利用河北省2005-2016年的GDP相关数据,选取河北省GDP作为被解释变量,河北省人口数、固定投资、地方财政一般预算收入、居民消费水平等十个指标为解释变量。以灰色模型为基础,在此基础上通过嵌入和串联方式加入误差反向传播人工神经网络(BP神经网络)得到嵌入型灰色神经网络模型和串联型灰色神经网络模型,然后在串联型灰色神经网络模型中加入思维进化算法,得到思维进化法优化灰色神经网络模型。将灰色模型、嵌入型灰色神经网络模型、串联型灰色神经网络模型和思维进化法优化灰色神经网络模型预测效果进行分析对比。结果表明,思维进化优化灰色神经网络模型预测效果最好。该模型可以从少量数据中挖掘出隐含的信息,优化灰色神经网络的网络初始值和阈值,针对传统的神经网络模型存在的收敛速度慢和难以得到全局最优化问题出了改进。论文最后进一步利用山西省2005-2016年的GDP相关影响因素的指标值进行了四种模型的效果检验,结果表明思维进化优化灰色神经网络模型用来预测山西省的GDP值同样具有最高的预测精度。验证了该模型的有效性。