人工神經(jīng)網(wǎng)絡(luò)算法在GDP和CPI中的預(yù)測應(yīng)用.pdf

1、國際經(jīng)濟(jì)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(jì)穩(wěn)定發(fā)展。GDP增長率反映了國家經(jīng)濟(jì)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(jì)政策時(shí)，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(guān)系，進(jìn)而為制定合適的方針政策提供指導(dǎo)。
　　GDP增長率與CPI指數(shù)的歷史數(shù)據(jù)具有復(fù)雜的時(shí)間序列性和非線性性。人工神經(jīng)網(wǎng)絡(luò)算法具有良好的非線性擬合能力，在處理非線性問題時(shí)得到了廣泛應(yīng)用。BP神經(jīng)網(wǎng)絡(luò)算法和

2、SVM算法作為人工神經(jīng)網(wǎng)絡(luò)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(luò)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(quán)值和閾值進(jìn)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(dāng)?shù)膮?shù)至關(guān)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(jìn)行尋優(yōu)，從而提高SVM模型的預(yù)測精度。3、PCA主成分可以實(shí)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(shí)驗(yàn)數(shù)據(jù)進(jìn)行降維，來提高模型的預(yù)測精度。通過PCA-PSO-BP模型對GDP增速和CPI指數(shù)進(jìn)行擬合預(yù)測，實(shí)驗(yàn)結(jié)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(jìn)行了GDP增長率和CPI指數(shù)的預(yù)測實(shí)驗(yàn)。結(jié)果表明PCA-GWO-S