基于BP神经网络农村人均生活消费预测.docVIP

基于BP神经网络农村人均生活消费预测 　　[摘 要] 居民消费增长是影响我国经济快速、可持续增长的重要因素，而农村居民数占人口总数的一半，准确可靠的对农村居民人均生活消费支出进行预测可为政府制定新的发展战略提供重要依据。因此，对农村居民的生活消费支出进行预测，可以最大满足农村居民的生活消费需求，提高生活质量。关于居民生活消费预测的方法有很多，但是有些方法预测精度较低。基于居民生活消费和神经网络模型应用相关文献，运用Matlab技术的BP神经网络对农村居民的人均消费支出进行分析，结合数据拟合和精度检验，对农村居民未来三年的生活消费支出进行预测。预测结果表明，这种方法具有较高的预测精度，该模型在生活消费支出预测中的应用是可行有效的。 　　[关键词] BP神经网络；人均生活消费；预测模型 　　[中图分类号] F323 [文献标识码] A [文章编号] 1009-6043（2018）02-0080-04 　　我国政府一直致力于提高居民生活质量，而居民生活消费支出是衡量居民生活质量的重要因素。根据2012年人口普查，农村居民数占全国总人口数比例分别为51.66%（2009年），50.05%（2010年），48.73%（2011年）。居民消费是指在一定时期内，居民通过市场对各种货物与服务的全部最终消费支出。居民消费增长是我国经济快速、可持续发展的重要影响因素。科学准确地预测农村居民生活消费水平，可以为政府制定新的经济发展战略提供重要依据，更加合理地增加农村居民的收入，保证促进农村消费市场平稳可持续地发展。 　　居民消费系统的复杂性决定了居民生活消费预测效果的不稳定性。在当前研究中，常用的预测模型有ARIMA预测模型、GM（1，1）预测模型、组合预测以及BP神经网络预测等。国内学者在对我国农村人均生活消费支出的预测中，采用的方法和所取的基础数据不同，预测结果差异较大，且预测精度都较低。 　　一、文献综述 　　（一）生活消费预测模型 　　黎东升，朱忠贵（2009）通过建立灰色动态模型GM（1，1），对居民生活消费支出水平影响因素进行分析，如年纯收入水平、消费价格指数、消费习惯和观念等，以此模型对湖北农村生活消费支出水平进行预测。在进行预测时，运用单因素进行预测生活消费支出，所使用的数据信息比较少，方法很简单，但是模型的拟合度不高[1]。 　　彭丽荃（2006）利用计量经济模型对农民收入和价格等微观数据进行拟合，对农民生活消费支出的趋势进行预测，并对各消费项目结构和消费支出进行分析，得出居民收入水平和消费价格水平对居民消费水平有较大影响[2]。刘又瑞（2011）以四川南充为例，考虑到居民可支配收入，消费价格指数和净收入额等居民消费水平相关因素，建立多元回归模型来预测未来三年城镇居民生活消费水平[3]。 　　韩星焕，王夏（2013）从消费水平、消费结构两个角度，根据1992-2010年居民生活消费支出，利用灰色预测模型对吉林省2011-2020年农村居民消费水平进行预测。结果显示食品消费仍是最主要的消费项目，但在整个收入中所占的比例不断降低[4]。 　　卢晓丽（2012）通过Markov预测和ARIMA模型对四川农村生活消费水平的增长速度进行预测，选取1978-2009年四川农村居民人均生活消费值的32个样本，在传统ARIMA模型中加入时间变量t提高预测精度，进行建模并预测。预测结果表明平均相对误差率为1.56%，认为未来几年农村居民生活消费的增长速度为10%-20%。最后将Markov预测和ARIMA模型结合起来对2010-2012年的生活消费水平的预测结果对比发现，两者预测生活消费增长幅度上吻合，预测结果可靠[5]。 　　马雯婧（2012）通过选取1990-2011年我国农村居民人均消费现金支出季度数据，经这些数据进行零均值处理，引入时间序列，利用Eviews提供的差分算子，建立四个模型ARIMA（p，d，q）（P，D，Q）s模型，通过选择与评价，从中选取最合适的模型来预未来农村生活消费现金支出[6]。 　　詹锦华（2009）根据2000-2007年中国城镇居民家庭人均可支配收入和人均生活消费数据，运用基础GM（1，1）和新陈代谢GM（1，1）预测模型，根据事前检验来判断模型是否可以进行中长期预测，事中检验模型精度是否良好和事后检验预测模型的可信程度，对2008-2015年中国城镇居民可支配收入和生活消费进行预测。显示预测值和实际值吻合程度较高，表明消费水平占可支配收入比例随时间而呈小幅下降模型[7]。 　　（二）神经网络模型的应用 　　贺清碧（2007）在现有研究成果的基础上，运用了一种改进的BP（Back-Propagation）算法，建立了改进的BP网络模型。对城市消费进行预测，设计了基于BP神经网络的城