基于支持向量機和覆蓋算法的經(jīng)濟預警模型.pdf

1、經(jīng)濟預警是經(jīng)濟學中的重要研究領域,國內外實際應用的預警方法很多,但大部分是依賴于專家經(jīng)驗或統(tǒng)計模型,難以真實反映經(jīng)濟系統(tǒng)的非線性本質。本論文的研究工作主要是安徽近十年的經(jīng)濟數(shù)據(jù),利用粗糙集的知識對指標進行選擇,然后利用泛化性能好、能夠很好的解決非線性問題的支持向量機對約簡后的指標建立預測模型,對未來一年的數(shù)據(jù)進行預測,并用基于覆蓋的構造性神經(jīng)網(wǎng)絡模型建立警情識別模型,從而提出了一種基于支持向量機和覆蓋算法的經(jīng)濟預警模型,為動態(tài)經(jīng)濟預警提

2、供了新途徑。
　　具體的研究工作如下:
　　1.介紹了粗糙集理論的基本知識和知識約簡方法,我們利用粗糙集理論在保持知識可靠度不變的前提下,通過屬性約簡,刪除一些冗余屬性,對預警指標體系進行選擇,降低數(shù)據(jù)維數(shù),使得以后的支持向量回歸和覆蓋算法的參數(shù)訓練和學習負擔大大降低了,從而提高了整個網(wǎng)絡的運行效率。
　　2.由于經(jīng)濟數(shù)據(jù)波動大,有著非線性和不確定性特點,一般的線性回歸很難準確的預測經(jīng)濟,即使有些工作者對線性模型進行修

3、正,如:建立分段線性模型和變參數(shù)線性模型等,結果仍然不理想。支持向量機是建立在統(tǒng)計學習理論的VC維理論和結構風險最小原理的基礎上,根據(jù)有限的樣本信息在模型的復雜性和學習能力尋求最佳折衷,以期獲得最好的推廣能力。本文正是利用支持向量機泛化性能好,解決非線性問題好等優(yōu)點,根據(jù)安徽近十年的經(jīng)濟發(fā)展的實際數(shù)據(jù),建立了基于支持向量回歸的各指標預測模型,對安徽經(jīng)濟指標進行預測,得到了很好的預測結果。
　　3.介紹了覆蓋算法背景,幾何意義以及交

4、叉覆蓋和領域覆蓋算法,由于覆蓋算法克服了傳統(tǒng)神經(jīng)網(wǎng)絡中網(wǎng)絡結構難以確定,運行速度慢,局部極小等問題,很好的解決了大量數(shù)據(jù)分類處理問題。利用構造性覆蓋算法和1998年到2006年安徽經(jīng)濟運行的月度數(shù)據(jù)建立經(jīng)濟運行警情判別模型。
　　4.利用所建立的模型,對2007年安徽經(jīng)濟月度運行進行實證分析,結果顯示本文所建立的預警模型具有較高的運行速度和精度。并對2008年的經(jīng)濟運行趨勢進行預測,預警,預警結果表明安徽未來半年的經(jīng)濟綜合指數(shù)都趨