基于主成分分析和贝叶斯正则化BP神经网络的GP预测.docVIP

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测 ［ ］选用财政收入、财政支出、消费品 零售总额、实际利用外资、进出口总额以及全社会固 定资产投资等对GDP有显著影响的6个因子，用 1985~2008年中国的宏观经济数据建立了一个基于主 成分分析和贝叶斯正则化BP神经网络的预测模型，并 把它应用于我国GDP的预测。实证结果表明：通过主 成分分析法和贝叶斯正则化方法对BP神经网络进行 改进，可简化网络结构，增强泛化能力。与其它常用 的预测方法相比，该方法数据输入简便，收敛速度快， 拟合曲线光滑，且在预测精度上有明显的优势。 ? ［关键词］主成分分析；贝叶斯正则化；BP神 经网络；预测？ ［ ］P338.9 ［ ］A ［文 章编号］1008-1763(2011)06-0042-04?? ?? ? ? Abstract:We choose financial income,financial expenditure,total retail sales of consumer goods,actually used foreign investment,total import and export volume and social fixed assets investment,such as six factors,which have a significant effect on GDP. A forecasting model based on principal component analysis and Bayesian regularization BP neural network was established by using the Chinese macro?economic data in 1985?2008, and was applied to predict the GDP of China. The empirical results show that the principal component analysis and Bayesian regularization are utilized modify BP neural network, which can simplify network structure and strengthen generalization. Compared with other commonly used methods of forecasting, this method has simple data input,fast convergence rate,smooth fitting curve,and there is significant advantage in the prediction accuracy.? Key words: principal component analysis ;Bayesian regularization; BP neural network; prediction. 參 ? 一引言？ GDP（国内生产总值）是衡量国民经济发展情况最 重要的一个指标，也是经济运行状况的综合反映。自 1985年以来，GDP的核算已经成为我国经济管理部门 了解经济运行状况的主要手段和制定经济发展战略、 规划、年度计划以及各种宏观经济政策的主要依据。 因此，如何采用科学的方法来预测GDP，已成为经济 学界研宄的主要课题。目前，预测GDP的方法很多， 主要有回归预测法??[1]?、时间序列预测法??[2-4]?、 灰色预测法?？ [5] [6] ?、马尔可夫预测法?？ [7] ? 以及人工神经网络预测法?？ [8-12] ?等。前面四种方 法属于传统的预测方法，它们大都是对变量之间的因 果关系进行分析，实际应用中存在多重共线性和序列 相关等问题，而且不可避免的丢失了信息，模拟效果 不佳，预测精度难以令人满意。而人工神经网络是用 来模拟人脑结构及智能特点的一个前沿研宄领域，它 可以通过网络学习达到其输出与期望输出相符的结果， 具有很强的自适应、自学习和纠错能力。人工神经网 络有多种模型，其中BP神经网络模型最成熟，其应用 也最为广泛。但BP算法在本质上是属于一种非线性的 优化方法，存在学习时收敛时间较长，易陷入局部极 小点等缺点?？ [10] ?。近年来，有学者把几种预测方 法综合起来使用，得到了比单一预测更好的预测结果?? [13-15] ?。本文用主成分分析方法简化BP神经网络 的输入单元数，用贝叶斯正则化算法提高网络的泛化 能力，建立了主成分贝叶斯正则化BP神经网络预测模 型，并在此基础上对我国的GDP进行了为