10.3969/j.issn.1004-3918.2011.12.031
基于改进神经网络的GDP时间序列预测
由于GDP时间序列具有线性和非线性的特征,神经网络(NN)方法和集成预测方法等在预测分析时可能产生较大误差.以GDP的年增长率作为神经网络的输入,建立基于BPNN的GDP预测模型.利用此改进BPNN模型对我国的GDP进行预测和验证,并分别与ARIMA-BP集成模型及BPNN模型进行比较.结果表明,改进的BPNN模型预测准确率明显优于目前的ARIMA-BP集成模型及BPNN模型的预测准确率,能有效应用于GDP预测.
BP神经网络、GDP预测、准确率
29
F224.9(经济计算、经济数学方法)
国家自然科学基金11171102;湖北省高等学校青年教师深入企业行动计划项目XD20100659
2012-04-20(万方平台首次上网日期,不代表论文的发表时间)
共3页
1506-1508