基于ＧＭＤＨ的成都市宏观经济主要指标预测模型构建.docVIP

基于ＧＭＤＨ的成都市宏观经济主要指标预测模型构建 　　[摘要]本文利用自组织数据挖掘算法，探索使用KnowledgeMiner软件对成都市宏观 经济 主要指标建立预测模型，比较 分析 各模型的优劣，并结合成都市经济数据深入分析。 　　[关键词]自组织数据挖掘算法知识挖掘主要指标 　　 　　一、引言 　　经过长期的 发展 ,宏观经济预测 研究 在建立与使用定量预测模型和定性预测模型等诸多方面取得了长足的进步。由乌克兰 科学 院A.G.Ivakhnenko首次提出的GMDH算法，兼具定性定量的研究特点，较好的剔除了个人主观因素对指标的干扰，结合KnowledgeMiner软件能够建立较优的经济预测模型， 　　成都市的经济总量占全省的32%，人均年GDP名列 中国 西部省会第一，采用成都市的指标作为对象具有很强的说服力。 　　二、GMDH自回归模型介绍 　　数据分组处理 方法 （简称GMDH）是一种基于遗传进化的演化方法，它依据给定的准则从一系列候选模型集合中挑选较优模型。GMDH算法通过遗传变异和筛选，产生很多具有不断增长复杂度的候选模型，直至模型在观测样本数据上产生过拟合为止。该方法需要一定量的初始模型，这些初始模型(或称神经元)可以通过微分或差分方程组，或者是它们的解来描述。 　　GMDH自回归模型基于黑箱方法，从输入输出数据的样本来分析系统，并通过基本函数