基于ARMA-GM-BP组合预测模型及应用 优先出版.pdfVIP

DOI:10.13546/j.cnki.tjyjc.2016.02.022 方法应用 基于ARMA-GM-BP组合预测模型及应用 彭乃驰，党 婷 （云南大学 旅游文化学院，云南 丽江 674100） 摘 要：文章介绍了ARMA、GM(1,1)模型并建立了ARMA －GM －BP 组合预测模型；通过对中国2005~2013 年GDP 的预测和检验，表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM(1,1)模型的效果有很大改 善；最后运用ARMA －GM －BP 组合预测模型，对中国2014 年、2015 年的GDP 作出了预测。 关键词：组合预测；ARMA 模型；GM(1,1)模型；BP 神经网络；GDP 中图分类号：F224.9 文献标识码：A 文章编号：1002-6487（2016）02-0080-03 q 为 阶移动平均系数多项 Θ(B) 1-θB --θ B q 项式， 1 q 0 引言 式。当 时， 即 模型；当 ， p 0 ARMA(p q) MA(q) q 0 ARMA(p q) 模型即AR(p ) 模型。AR(p ) 模型和MA(q) 模 国内生产总值(GDP)是衡量国家经济状况的最佳指标 型是ARMA(p q) 模型的特例，它们都称为ARMA(p q) 模 之一，准确预测GDP对于国家制定经济发展目标及相关 型。 政策具有重要意义。近年来，学者们对GDP的预测进行 1.2 GM（1,1）模型简介 了大量研究，但是目前仍然没有公认的最优的预测方法。 灰色GM(1,1)模型适合于解决信息量少，数据呈近似 [1]分别建立了ARMA模型和Holt- 郝香芝、李少颖（2007） 指数增长趋势，具有不确定性的小样本预测问题。 er-Winer非季节短期预测模型对2006~2010年的中国 使用灰色GM(1,1)模型的步骤为： GDP进行预测，认为Holter-Winter非季节短期预测模型和 （1）记录原始时间序列并经一阶累加生成新的时间序 ARMA模型都可以较好地预测实际GDP。祖培福等 列。 [2]利用2004~2010年黑龙江省GDP数据建立了GM （2012） (0) (0) (0) (0) (0)