混沌理论和神经网络的农业经济预测仿真研究

摘要：

研究农业经济准确预测问题,农业经济具有混沌性、非线性的复杂系统,传统方法忽略农业经济变化的混沌性,难以精确地描述其变化规律,导致预测精度低.为提高农业经济时间序列预测的精度,提出混沌理论和神经网络相结合的农业经济预测模型(Chao-BPNN).首先对农业经济变化的时间序列数据进行相空间重构,揭示隐含数据中的混沌变化规律,然后采用BP神经网络对农业经济时间序列数据进行学习和建模,反映农业经济变化的非线性变化点,并对神经网络参数进行优化,以提高预测精度.仿真结果表明,Chao-BPNN克服了传统方法的缺陷,能够全面、准确描述农业经济时间序列变化规律,提高了农业经济预测精度.

关键词：经济、时间序列、非线性预测、混沌

所属期刊栏目：30

分类号：O411.3(理论物理学)

资助基金：中国地质大调查项目1212010916030

在线出版日期：2013-05-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：394-397