基于免疫粒子群优化神经网络经济预测算法研究.docVIP

基于免疫粒子群优化神经网络经济预测算法研究 　　[摘要]在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法存在的问题,文章提出了一种改进的免疫粒子群优化神经网络算法。仿真结果表明:这种算法能够增强神经网络的泛化能力,提高系统模型的预测精度,使预测误差从原来BP神经元网络的15%下降到改进后的5%。 　　 　　[关键词]宏观经济;经济预测;免疫粒子群优化;人工神经网络 　　 　　[[[中图分类号]][F22][[文献标识码]][A][[文章编号]][1002-736X(2010)03-0059-03]] 　　 　　Economic Forecasting Algorithm Based on Immune 　　Particle Swarm Optimization Neural Networks 　　Luo Rui 1, Luo Fei 2 　　(1. Mathematics and Computing Science and Statistics Department, Sun Yat-sen University, Guangzhou, Guangdong 510006; 　　2. Automation Science and Engineering College, South China University of Technology, Guangzhou, Guangdong 510640) 　　 　　Abstract: Against the existing problems in economic modeling and forecasting methods of artificial neural networks, we propose an improved immune particle swarm optimization algorithm for neural networks after analyzing the features of the macro-economic system. The simulation results show that the algorithm can enhance the generalization ability of neural networks and improve its forecasting accuracy, which reduce the predict error of BP neural networks from 15% to 5%. 　　Key words: macro-economic; economic forecast; immune particle swarm optimization; artificial neural networks 　　 　　一 、引言 　　 　　根据宏观经济系统运行的历史数据,建立经济系统模型并根据建立起来的模型对宏观经济走势作出准确的预测,对于正确评价经济系统运行的质量、分析宏观调控政策的得失和正确制定发展规划战略来说是不可或缺的。 　　在计量经济学基础上建立起来的传统经济模型,大部分都是线性模型。虽然这样的模型是一种有力的经济分析工具,但同时也存在着自身的缺陷,即不能反映经济系统中大量存在的非线性关系。经济系统是一个较为复杂的系统,系统内部影响因素众多,这些因素彼此之间具有高度非线性、强耦合性、时变性和时滞性等特性,这给经济系统的建模和预测工作带来了很大的困难。 　　人工神经网络(Artificial Neural Network,ANN)模拟人的大脑活动,具有极强的非线性逼近、大规模并行处理、自组织和容错能力等优点,所以,应用人工神经网络对复杂的经济系统进行建模是一种很好的方法。目前,已有不少学者对此进行了研究并取得了一定的成果。 　　人工神经网络是一种基于经验风险最小化原则建立起来的建模方法,经过训练的网络能够很好地拟合训练数据,但对训练数据集以外的数据输入却未必能得到理想的数据输出。另一方面,由于各经济指标数据一般呈上升趋势,利用使用历史年份数据训练获得的神经网络对未来某经济指标数据进行预测可能会产生很大的偏差。因此,必须提高人工神经网络特别是经济系统的泛化能力。 　　近年来,人工免疫作为人工智能的一个分支,在入侵检测、数据挖掘、自律移动机器人等领域都得到了广泛应用。粒子群优化算法(Particle Swarm Optimization,PSO)是一种集群优化算法,可通过个体之间的协作来寻找最优解。粒子群优化算法的收敛速度快(特别是在进化初期)、运算简单、易于实现,但在进化后期收敛速度明显变