基于生产函数和BP神经网络经济预测模型.pdfVIP

基于生产函数与BP 神经网络模型的GDP 预测 陈 怡 ，武利军 辽宁工程技术大学工商管理学院，辽宁葫芦岛(125105) E-mail ：chy2965@ 摘 要：本文试图引用生产函数概念，将GDP 作为与生产要素的关系，利用人工神经网络 建立起GDP 预测模型，并以浙江省GDP 数据对建立的模型进行训练，得出拟合度较好的神 经网络对未来宏观经济形势进行预测。在建立宏观经济形势预测模型时，我们利用第t 年的 就业人数L 和资本投入总量K 预测t+1 年的GDP。最后采用MATLAB 编程实现建模和网络 训练。 关键词：生产函数；BP 神经网络；浙江GDP；MATLAB 仿真 1 引 言 国内生产总值，是代表目前世界通行的国民经济核算体系——SNA 体系的主要总量指 标，也是最核心的指标，其体现的是按市场价格计算的一个国家（或地区）所有常驻单位在 一定时期内（通常是一年）生产活动的最终成果，是社会总产品价值扣除了中间投入价值后 的余额，也就是当期新创造财富（包括有形和无形）的价值总量。 本文引用生产函数概念，将 GDP 作为与生产要素的关系构建预测模型。生产函数是人 们所采用的多种多样复杂的生产技术的高度抽象，它将现实中存在的各种各样的生产模式简 [1]生产函数概念的本意是描述一个生产 化为由资本与劳动力两种要素决定产出的简要关系。 企业的投入与产出之间的关系，表现的是该生产企业所使用的某种或某些特定技术在经济上 产生的后果，它被用来说明整个经济系统的资源与产出的关系，而且还隐含整个经济系统的 组织形式、经济制度等多方面因素。 为了测算生产函数，必须具有生产要素与产出的资料，由于是考察整个经济系统，采用 了 GDP 作为产出指针。生产要素包括资本与劳动力两种，其中，资本的估算是一个很困难 的问题，采用是以当年计算的固定资产净值与流动资产平均余额之和；另一种生产要素(劳 动力) ，理论上最好使用劳动力的工作时间，也就是工作人时数，但缺乏相应统计资料，采 用就业人数指针。则基于生产函数，建立起的宏观经济系统中的国内生产总值数学模型如下： Qt=f (Lt, Kt) 其中，Qt 为当年价计算的国内生产总值(亿元) 。 Lt 为第 t 年劳动力投入量，即就业人数。 Kt 为第 t 年资金投入量，即以当年计算的固定资产净值与流动资产平均余额之和。 2 人工神经网络模型简介 人工神经网络是为模仿人脑的工作方式而设计的一种算法，是一种具有分布式存储、平 行处理和自适应学习的信息处理系统[2] 。按照网络结构的不同，人工神经网络可分为2 种： 前馈型网络和反馈型网络。其中前馈型网络主要是函数映射，用于模式识别和函数逼近。已 经证明多层前馈网络可以逼近任何一个连续函数，也就是说采用多层前馈网络来建立数学模 型可以拟合人才环境与经济发展之间的任何一种函数关系，真实反映出它们的内在特征。 多层前馈网络的结构见图 1。对于每个神经元，其输入与输出的关系为： - 1 - 误差反传(学习算法) 导师信号 输入层 隐含层 输出层 图 1 多层前馈神经网络