信息粒化的svr组合模型在季度gdp中的应用.pdf

第３３卷第３期 重庆工商大学学报（自然科学版） ２０１６年６月 Ｖｏｌ．３３　ＮＯ．３　　　　　　　　ＪＣｈｏｎｇｑｉｎｇＴｅｃｈｎｏｌＢｕｓｉｎｅｓｓＵｎｉｖ（ＮａｔＳｃｉＥｄ）　 　　　　　　　 Ｊｕｎ．２０１６ － ｄｏｉ：１０．１６０５５／ｊ．ｉｓｓｎ．１６７２０５８Ｘ．２０１６．０００３．０１４ 信息粒化的ＳＶＲ组合模型在季度ＧＤＰ中的应用 张　鹏 （太原工业学院理学系，太原 ０３０００８） 　　摘　要：针对ＧＤＰ未来一段时间的变化范围及走势进行预测，提出了信息粒化算法与支持向量回归机 算法相结合的时间序列组合预测模型；以１９９４年第１季度到２０１３第４季度ＧＤＰ值模糊粒化处理，对３个模 糊参数Ｌｏｗ、Ｒ、Ｕｐ，通过交叉实验训练寻找支持向量回归机的最优参数，并进行回归预测，得出ＧＤＰ在２０１４ 年各季度的变化范围与走势，与实际比较相吻合，说明算法具有良好的泛化性，能够作为时序数据的预测 模型。 关键词：信息粒化；支持向量回归机；ＧＤＰ － － － 中图分类号：Ｆ２２２；Ｏ１５９　　　文献标志码：Ａ　　　文章编号：１６７２０５８Ｘ（２０１６ 　　国内生产总值（ＧＤＰ）指一个国家或地区在某 经济决策提供一定的支撑作用。 时期内生产的所有最终物品和劳务的市场价值，是 目前反映经济发展状况的重要指标。准确预测 １　信息粒化 ＧＤＰ的未来走势，对于经济研究、管理、决策等具有 重要意义，然而ＧＤＰ受很多不确定因素影响，虽很 ［５］ １９７９年，ＬｏｔｆｉＡ．Ｚａｄｅｈ 首次提出了信息粒的 难做到预测准确值，但是ＧＤＰ未来走势及变化范围 概念，将一组具有相似特征的研究对象作为一个整 还是能得到较好的预测。近来热门的人工智能算 体来研究或将将一个整体作为一个部分来研究，主 法如人工神经网络、灰色系统、粗糙集、小波分析、 要有粗糙集信息粒化、模糊集信息粒化、熵空间信 遗传算法等，具有自我适应、自我学习、自我组织优 息粒化三大理论，其中，模糊信息粒是以模糊集形 点，很大程度上适合应用于经济数据问题上，诸多 式表示的信息粒，而信息粒为一些具有相似特性或 学者亦对此做了很多研究［１５］。 难以区分的元素所组成的集合。其对时间序列进 信息粒化算法是将整体分解成若干部分进行 行模糊粒化可分为两步：窗口化和模糊化，其中窗 研究，其中每个部分称为一个信息粒，本质就是一 口化是将整体时间序列分割成若干子序列，也成为 些相关元素的集合。支持向量回归机（ＳＶＲ）能够 窗口划分；模糊化则是将单个子窗口进行模糊化， 较好的解决样本小、非线性及避免陷入局部最优的 生成若干模糊集，也称为ｆ—粒化过程。 数据情形，并且具有良好的泛化能力。首先通过构 考虑整体时间序列Ｘ，将其作为一个窗口进行模 建粒空间获取一系列信息粒，然后ＳＶＲ在单个信息 糊化，模糊化的任务是在Ｘ上建立一个模糊粒子Ｐ， 粒上学习，最后通过交叉验证得出ＳＶＲ最优参数， 即构造一个能够合理描述Ｘ的模糊概念Ｇ（以Ｘ为论 模型能较为准确分析出季度ＧＤＰ未来变化趋势，为 ［６］ 域的模糊集合），确定了Ｇ也就确定了模糊粒子Ｐ ： － － － － 　　收稿日期修回日期 　 基金项目：太原工业学院青年科学基金（２０１５Ｌ