GMDH神经网络算法在分析基尼系数上的应用研究.pdf

GMDH神经网络算法在分析 基尼系数上的应用 黄娜，李孟军 (国防科学技术大学信息系统与管理学院湖南长沙410073) 摘要利用一种成组数据处理的神经网络算法——(；MDH算法分析影响基尼 系数的主要因素，此算法通过寻找最优复杂度，实现变量的自动筛选并得到明确的 模型结构。最后根据分析结果给出了有关政策的建议。 关键词GMDH神经网络；最优复杂度；基尼系数 0引言 中共十六大报告指出“现在达到的小康水平还是低水平的、不全面的、发展很不平衡的 小康”。全面小康是一个更高水平、更全面、发展比较均衡的小康社会。所谓发展比较均衡． 就是城乡差别、地区差别扩大的趋势逐步得到扭转。因此，作为衡量一国贫富差距的围际通 用指标，基尼系数尤其重要。基尼系数是意大利经济学家基尼，在运用利益驱动原理分析收 入差距过程中提出的。它的经济含义是：在全部居民收人中用于不平均分配的百分比。基 尼系数介于0和1之间．最小等于0，表示收入绝对平均I最大等于1，表示收入分配绝对不 平均。一般认为基尼系数小于0．2为高度平均，大于0．6为高度不平均，国际上还将0作为 警戒线。因此，对基尼系数及其影响因素的分析就显得非常重要。而分析基尼系数的影响 因素是一个复杂的系统问题，目前一般常用的分析方法有基于回归分析的计量统计、基于控 制理论的模糊逻辑、人工神经网络、遗传算法以及仿真模拟等。本文则运用一种较新的复杂 Methodof 系统分析方法，即自组织控制原理与神经网络结合的算法——GMDH(Group Data Handling)。 1 GMDH神经网络算法基本原理 (1) y一。。+∑哪，+∑∑d函z，+∑∑∑％．Z-1．27愚+L f一1 户1 J=I 卢1 J=1^=】 是非线性模型的完全描述，要用这个完全模型对非线性系统辨识非常困难．众多的系数难以 [作者简介]黄娜(1981)，女．壮族．广西南宁人，硕士研究生，研究方向为管理理论与决策技术，电话： E—mail：silovena@S0huCOFII。李盂军(1965 j，男，汉族．湖南益阳人，系统与管理副教授．专业：管 理科学与工程，研究方向为管理理论与决策技术。电话：0731—4574541。 1021 完伞确定。 基本的GMDH是以K一(；多项式为基础通过不断筛选组合求辨识非线性系统的。 GMDH算法的主要思想是由系统各输入单元交叉组合产生一系列的活动单元，其中每一单 元都具有选择最优传递函数的功能，再从已产生的一代单元中选择若于与目标变量最为接 近的单元，被选出单元强强结合再产生新的单元，重复这样一个优势遗传、竞争生存和进化 的过程直至新产生的单元都不比上一代优秀，于是最优模型被选出。 类似于其他神经网络，GMDH算法主要思想是以分析黑箱的方法处理系统的输入输出 关系，弗用网络问元素的互联关系描述网络。与神经网络的区别，主要在于网络内部的结 构，如单元的筛选、迭代层次的选取、最优复杂度等的确定完全是由数据驱动，算法本身实 现，体现了自组织．戈0分数据集为学习集与检测集，体现了自学习。在基本的GMDH方法 的基础上，后来又出现了许多改进算法。而GMDH算法与神经网络的结合是其中较为成 功的一类。 GMDH算法的基本结构如图1所示。 输入单元 黑箱f 输山单元 迤 娶±k^R*)