基于神经网络的滚动优化经济增长模型.docVIP

基于神经网络的滚动优化经济增长模型 　　摘要：经济受到多变量因素的影响，经济的预测更是一个具有复杂的非解析函数关系的系统。用人工神经网络建立了经济增长的预测模型，采用滚动优化技术处理样本数据，使其变成序列化的连续性样本，让预测模型在训练过程中滚动地学习样本数据，并逐步产生适应性和记忆性，最终达到稳定状态，极大地提高了模型的预测精度。经对全国国内生产总值(GDP)的模拟与预测，验证了滚动优化技术在经济增长建模中的可行性和优越性。 　　关键词：神经网络；预测；经济增长；滚动优化；归一化 　　中图分类号：TP18 文献标识码：A文章编号：1009-3044(2010)20-5586-02 　　Economy Growth Model of Rolling Optimization Based on NeuralNetworks 　　ZHAO Yuan-yuan 　　(College of Management, Henan University of Science and Technoly, Luoyang 471023, China) 　　Abstract: Economy is a system affected by many factors, so it is difficult to forecast economic growth. A model of economy forecast based on Artificial Neural Networks(ANN) is presented in this paper. Rolling optimization, arranging sample data according to year sequence, may make the model of economy forecast learn new statistical information during training process and memorize these information. Therefore, this technology improves the forecast precision of economic growth. Gross domestic product(GDP) of China is also simulated and forecasted by the forecast model ofeconomic growth, and it is proved to be feasible and superior to use rolling optimization in forecast model of economic growth. 　　Key words: neuralNetworks; forecast; economic growth; rolling optimization; normalization 　　经济受到多变量因素影响，不适合用解析函数来描述。通过训练达到稳定的人工神经网络可以映射任意复杂的样本函数[1]。BP网络模型是最成熟，应用最广的人工神经网络。文献资料中出现过很多基于神经网络的经济增长模型，这些经济增长模型只对样本数据进行简单模拟，并没有使预测模型达到稳定，而把模拟的结果当成了预测结果。例如，文献[1-3]就犯了这样的错误。基于以上不足之处，在传统的经济增长模型中加入滚动优化技术。将这种新型的经济模型应用于对全国GDP增长趋势的模拟和预测中，使预测模型在不停地滚动训练，每次迭代都产生新的权值，预测模型逐步达到稳定状态，极大地提高了模型的预测精度。 　　1 基于滚动优化的GDP预测模型 　　通常，经济增长模型是按照经济学原理建立一个模型，该模型类似生产函数或需求函数。这种建模方式需要建模者具有深厚的经济学背景知识，要将大量的精力用于经济分析和经济理论模型研究上。神经网络建模主要考虑输入层与输出层之间的关系，将过程交给复杂的中间层，中间层就像是“黑箱”一样，负责建立起输入层与输出层之间的关联性。如此建模方式不必将过多的精力放在经济学上，大大降低了建模的难度。影响GDP的因素很多，其中主要的因素有就业人数、固定资产投资、出口贸易总额、社会消费品零售总额和前一年的GDP[1~5]。就业人数和固定资产投资反映了生产力对经济增长的创造作用；出口贸易总额和社会消费品总额分别反映了国外市场需求和国内市场需求对经济增长的激励作用；前一年的GDP属于经济增长的惯性作用，即对前一年GDP的依赖性。因此，GDP预测模型描述为下列的函数关系式更加适合： 　　 O(n)=f[I1(n-1),I2(n-1),I3(n-1