基于灰色Elman神经网络的季度性工业增加值动态预测方法的研究
工业增加值的准确预测对于政府部门制定工业发展政策有重要的作用.为更加准确地进行工业增加值的预测,以各个季度数据作为时间序列,建立四个灰色Elman预测模型进行预测,并同灰色GM(1,1)模型经行比较.实证分析:该模型不仅避免了季节性波动对预测的影响,而且缩短了预测步长,提高了预测精度和预测的稳定性.
工业增加值、GM(1,1)、Elman神经网络、预测
F402;F224.0(工业经济理论)
国家自然科学基金项目70771067
2012-02-21(万方平台首次上网日期,不代表论文的发表时间)
共2页
60-61