基于地理空间的GDP预测模型构建和实证研究.pdf

基于地理空间的GDP 预测模型构建和实证研究 摘 要 国内生产总值（GDP ）作为衡量国家经济状况的基础指标，它的稳定并持续 增长和国家经济健康发展有着密不可分的关系，GDP 的预测关系着国家和政府 分辨出经济状态是萎缩还是膨胀，最终决定是刺激还是抑制经济增长，在整体宏 观经济研究中举足轻重。然而，GDP 数据具有时序性和非线性的特点，其预测相 对繁杂。 现有的研究主要存在两个问题：其一，预测精度欠缺；其二，模型仅适用于 特定区域，不能根据用户期望完成区域经济预测。针对以上问题，本文在前人的 研究基础之上，以一种全新的视角，将空间计量经济学和人工智能方法有机结合， 应用到宏观经济预测当中，以提升其预测精度。在指标选取上，将地理空间指标 引入到GDP 预测当中，构建了一套科学合理的GDP 预测指标体系，“消除”地 域差异对经济预测的影响，实现用户期望地区的GDP 预测。在预测模型上，以 BP 神经网络为基础，通过双重优化提升了模型预测精度。 首先，本文根据GDP 核算法和相关影响因素，识别出本文的预测基础指标， 并将地理空间指标通过数值化引入到GDP 预测当中，建立了一套科学的基于地 理空间的GDP 预测指标体系。 然后，本文在BP 神经网络模型的基础之上，建立了双重优化的BP 神经网 络模型。该模型主要分为粒子群算法优化BP 神经网络和动态调整的学习因子优 化粒子群算法两个子模块。在粒子群算法优化BP 神经网络模块，将粒子群算法 得到的群体最优位置映射到BP 神经网络中，代替原本随机选取的权重w 和偏置 b ，从而降低神经网络训练负担，并提升模型预测精度。同时，通过动态调整的 学习因子c1 和c2 来加快粒子群算法的收敛速度，完成整个模型优化。 最后，通过对两个重要指标：GDP 增速和人均 GDP 进行实证分析，发现， 本文提出的基于地理空间的GDP 预测模型确实能提升GDP 预测精度，同时能实 现用户期望地区的GDP 预测。并得到我国应因地制宜，对北方和西部的边远地 区要加大教育、科技以及人才引进的投入，同时通过刺激居民消费和扩大进出口 等手段拉动欠发达地区经济增长的结论。 关键词：GDP预测；地理空间；动态学习因子；BP神经网络 1 基于地理空间的GDP 预测模型构建和实证研究 Abstract Gross national product (GDP) is a basic index to measure the state of the countrys economy. Its stable and sustained growth is closely related to the healthy development of the national economy. The GDP forecast is related to that the government distinguish whether the economic state is shrinking or expanding. The final decision is whether to stimulate or restrain economic growth,which plays an important role in the overall macroeconomic research. However, GDP data has the characteristics of time series and non-linearity, and its forecasting is relatively complicated. There are two main problems in the existing research: First, the GDP forecasting accuracy is lacking ; second, the model is only applicable to specific regions an