人工神經(jīng)網(wǎng)絡算法在GDP和CPI中的預測應用.pdf

1、國際經(jīng)濟競爭越來越激烈，為保證我國在國際競爭中立于不敗之地，必須保證宏觀經(jīng)濟穩(wěn)定發(fā)展。GDP增長率反映了國家經(jīng)濟狀況的整體水平，CPI指數(shù)直接影響國民購買力。在制定宏觀經(jīng)濟政策時，必須研究歷史數(shù)據(jù)，從歷史數(shù)據(jù)中尋求它們之間的內(nèi)在關系，進而為制定合適的方針政策提供指導。
　　GDP增長率與CPI指數(shù)的歷史數(shù)據(jù)具有復雜的時間序列性和非線性性。人工神經(jīng)網(wǎng)絡算法具有良好的非線性擬合能力，在處理非線性問題時得到了廣泛應用。BP神經(jīng)網(wǎng)絡算法和

2、SVM算法作為人工神經(jīng)網(wǎng)絡中兩種廣泛使用的算法，都具有良好的非線性擬合能力，但也存在不足。針對不足之處，本文做了以下幾方面的工作。1、針對BP神經(jīng)網(wǎng)絡算法容易陷入局部極小值，提出了PSO-BP模型算法。該方法主要利用PSO算法良好的全局尋優(yōu)能力對BP算法的權值和閾值進行優(yōu)化，從而避免BP算法陷入局部極小值。2、SVM算法中參數(shù)的選擇直接影響模型的性能，所以如何選擇恰當?shù)膮?shù)至關重要。文中利用GWO灰狼算法良好的全局尋優(yōu)能力對SVM的參數(shù)

3、進行尋優(yōu)，從而提高SVM模型的預測精度。3、PCA主成分可以實現(xiàn)降維，并保留原始數(shù)據(jù)的絕大部分信息，文中用PCA算法對實驗數(shù)據(jù)進行降維，來提高模型的預測精度。通過PCA-PSO-BP模型對GDP增速和CPI指數(shù)進行擬合預測，實驗結果表明PCA-PSO-BP模型比PCA-BP模型和PSO-BP模型具有更高的擬合精度和更小的均方誤差。此外，文中也對PCA-GWO-SVM模型進行了GDP增長率和CPI指數(shù)的預測實驗。結果表明PCA-GWO-S