基于BP神經(jīng)網(wǎng)絡(luò)改進(jìn)算法的湖南省GDP預(yù)測研究.pdf

1、GDP是衡量一個國家或地區(qū)宏觀經(jīng)濟(jì)狀況綜合表現(xiàn)的一個重要指標(biāo)，要想做到對宏觀經(jīng)濟(jì)進(jìn)行積極有效的調(diào)控，首先要對未來經(jīng)濟(jì)的走勢進(jìn)行預(yù)測，然后根據(jù)預(yù)測結(jié)果決定是需要刺激還是抑制經(jīng)濟(jì)規(guī)模，從而制定相應(yīng)的宏觀調(diào)控手段，如貨幣政策、財政政策等。在現(xiàn)有的預(yù)測方法中，時間序列預(yù)測和回歸模型預(yù)測是兩種最常用的預(yù)測方法，而宏觀經(jīng)濟(jì)系統(tǒng)實(shí)質(zhì)上是一個非線性系統(tǒng)，所處環(huán)境是一種不斷變化的狀態(tài)，附加性干擾因素直接作用于宏觀經(jīng)濟(jì)系統(tǒng)運(yùn)行的整個過程，再加上各種原因，導(dǎo)

2、致宏觀經(jīng)濟(jì)建模所需的歷史資料有可能不確定、不完整，從而導(dǎo)致利用傳統(tǒng)的預(yù)測方法對進(jìn)行預(yù)測變得十分困難。 由于人工神經(jīng)網(wǎng)絡(luò)是非線性、非局域性、非定常性的復(fù)雜網(wǎng)絡(luò)系統(tǒng)，具有并行分布的信息處理結(jié)構(gòu)和自適應(yīng)的腦模式的信息處理的本質(zhì)與能力，它可以通過“自學(xué)習(xí)”或“訓(xùn)練”掌握大量的知識，完成特定的工作。實(shí)踐證明，人工神經(jīng)網(wǎng)絡(luò)對建立預(yù)測模型十分有效，它能從數(shù)據(jù)樣本中自動學(xué)習(xí)以前的經(jīng)驗(yàn)而無需復(fù)雜的查詢和表述過程，并自動地逼近那些最佳的數(shù)據(jù)蘊(yùn)涵的規(guī)

3、律，它在時間序列預(yù)測方面尤其是高復(fù)雜度的非線性時間序列方面明顯優(yōu)于傳統(tǒng)的預(yù)測方法。 在預(yù)測方面，目前應(yīng)用最廣泛且較為成功的是前向神經(jīng)網(wǎng)絡(luò)。這種神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)簡單，能夠很好的解決傳統(tǒng)預(yù)測技術(shù)方法中無法很好處理的多因子復(fù)雜非線性問題，而且和時間序列分析法與經(jīng)濟(jì)計量模型方法相比，具有模型簡單、操作性強(qiáng)的特點(diǎn)，在預(yù)測精度上也比向量自回歸有更好的效果。 本文以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ)，研究GDP預(yù)測。采用三層前饋反向傳播神經(jīng)網(wǎng)絡(luò)