基于贝叶斯正则化的TDBPNN模型在中国外贸预报中的应用及评估.pdfVIP

第13卷第1期 中国管理科学 V01．13．No．1 2005经 2月 Chinese of Science 2005 JournaIManagement Feb．， 文章编号：1003—207(2005)01—0001—08 基于贝叶斯正则化的TDBPNN模型在 中国外贸预报中的应用及评估 祝树金，赖明勇 (湖南大学经济与贸易学院，长沙410079) 摘要：基于相空问重构的非线性预报思想，建立一个时滞的BP神经网络模型(TDBPNN)，采用贝叶斯正则化方 法提高BP网络的泛化能力，并将该模型应用于中国进出口贸易的预测，结果证明改进的TDBPNN模型具有较好 的泛化能力，准确拟合了进出口贸易发展的历史值和趋势。区别于一般的预测评价，认为非线性预测不仅要注重 数据拟合和精度改进，而且应该能够反映被预报系统的非线性特征。在分析模型预测精度的同时，通过计算拟合 序列和原序列的非线性特征量进行模型评价，证实预测模型能够合理地“捕捉”到产生原序列的非线性系统的动力 学特征。 关键词：非线性预测；进出口贸易；相空间重构；BP网络；贝叶斯正则化 中图分类号：F20l：C931文献标识码：A 统具有较强的非线性时，经过恰当的结构设置之后， 1 引言 神经网络预测明显优于其他传统预测方法。但这些 传统的经济时间序列预测模型都是基于统计技 研究广泛地采用BP神经网络模型即误差反向传播 术的改进而得以发展和完善，主要是线性模型。它 神经网络，这类网络模型由于参数较多，并且部分参 们具有直观简单、解释性强等优点，但对于复杂系统 数要凭经验主观确定，模型极难建立，需要经过反复 演化序列的预测往往不奏效，特别是现实经济系统 多次训练和实验，并且可能会对训练样本集“过度匹 变动性强，存在高度非线性，传统的计量预测方法处 理起来十分困难。人工神经网络是一种非线性动力 输入样本却可能产生与目标值差别较大的输出，即 学系统，它具有很强的鲁棒性(robust)和容错性，特 J，贝叶斯正则化 不具有或具有较差的推广能力_8 别是强大的逼近非线性映射能力对解决非线性问题 方法(Bayesian 有着独特的先进性，非常适合时变的复杂经济系统 陷，提高神经网络的泛化能力L8J。本文针对非线性 或经济时序的建模和预测。文献…1最早用神经网 时间序列预测，根据相空间重构思想，利用G—P算 络对由计算机产生的时间序列数据进行了学习和预 法计算饱和嵌入维，即输入层节点数；同时结合贝叶 测，Matsuba等(1991)应用神经网络预测股票市场， 斯正则化方法确定隐层节点数，并提高网络的泛化 随后在神经网络国际年会上出现了大量关于应用神 BP 能力，建立一类时滞BP神经网络(TmeDelay 经网络进行时间序列预测方面的成果。目前国内外 Neural 学者已经把神经网络方法应用于经济管理的各个领 国际贸易系统作为一个典型的、演化着的非线 域，例如证券、汇率等金融市场、GDP预测、财务预 性复杂巨系统，进出口贸易的发展受到诸如宏观经 警、住宅市场需求预测等[2_6】。研究已经证明当系济增长、贸易