神经网络在经济预测中的应用研究

《神经网络在经济预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、神经网络在经济预测中的应用研究：本文运用人工神经X络理论，构建了宏观经济预测模型体系，实现对国民生产总值的预测。模型提高了系统预测准确度，实现了宏观经济指标的预测，描述了宏观经济的发展趋势。并且基于预测结果的分析，对我国的经济发展做出合理的评价与建议。　　关键词：人工神经X络；BP算法；宏观经济　　：F224.13：A：1007-9599(2011)20-0000-02　　TheApplicationStudyofNeuralNeticForecasting　　ZhuZhiyong　　(DepartmentofputerScien

2、ceandTechnology,ChangshaUniversity,Changsha41003,China)　　Abstract:Thispaperconstructstheforecastmodelsystemformacroeconomicbasedonartificialnerveodelenhancestheaccuracyofsystemtoforecast,realizestheforecastofmacroeconomicindicator,anddescribesthedevelopmenttendencyoft

3、hemacroscopiceconomy.Finally,thispapermakesreasonableappraisalandsuggestiontoourcountryeconomicaldevelopment.　　Key;Macroeconomiceconomy　　一、前言　　近年来，人工神经X络的研究在国内外广泛兴起，这是因为人工神经X络（ANN）具有数据处理的并行性，函数映射的高度非线性性，解决了一些传统计算机极难求解的问题，人工神经X络在具有大规模并行模拟处理，非线性动力学和X络全局作用等特点的同时，还具有很强的适应

4、能力，自学习和容错能力。利用神经X络的高度并行运算能力，可实现信息的最优化处理，它已成为一种强大的非线性信息处理工具。经济系统，特别是宏观经济系统是一个非常复杂的系统，其中广泛存在着非线性，时变性和不确定性作用关系。在计量经济学理论基础上建立的各种宏观经济模型，大部分是线性模型，线性模型在发挥着巨大作用的同时也渐渐显露出它的缺陷，即很难把握宏观经济中的非线性现象，因为必然造成经济预测的误差性加大，经济学界为弥补缺陷，对线性模型做了很多改进，但是结果往往不理想。在这种情况下迫使人们寻求一种非线性工具进行经济建模，人工神经X络的非线性

5、高度逼近能力为宏观经济分析提供了一条全新的途径。　　本文在经济理论指导下，根据宏观经济系统的非线性，不确定性等特点，描述宏观经济系统中的非线性关系，通过神经X络模型，预测宏观经济指针的发展趋势。　　二、算法概述　　（一）人工神经X络模型　　人工神经X络是一种模拟人脑的抽象计算机模型，也简称为“神经X络”或类神经X络。神经X络是一种模拟人脑思维的计算机建模方式，由大量的节点（或称“神经元”）和节点之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，反映了

6、各个节点之间的关联性的强弱。X络的输出则根据连接方式，权重值和激励函数的不同而不同。目前，神经X络方法已经大量应用于海量数据的分类、聚类以及预测等领域。人工神经X络与传统建模方法不同，传统的建模方法主要是建立在统计技术基础上的，原始数据和工作过程基本上都是一种定量的运算和预测，而神经X络能够对具有不完备性和模糊性的信息进行处理，通过调整X络结构进行相关预测。另外人工神经X络结构简单，具有高速寻找优化解的能力，通用性较强。其自身结构的调整过程，提取资料特性，并对未来做出有效的预测。　　BP反向传播X络属于前馈式的神经X络，是一种最为

7、常见的且应用领域广泛的神经X络模型。BP反向传播X络算法包括正向传播和误差的反向传播两个阶段。所谓正向传播是指样本信息从输入层开始，经各隐层逐层处理后，最终传播到输出层节点获得预测结果。误差的反向传播阶段是将输出误差被逐层反向传回输入节点，同时计算出来的误差信号进行调整X络权值。这种信正向传播与误差反向传播以及各层权值调整过程不断重复，直到满足X络训练的终止条件结束。　　对于输出层，有　　k=1，2，………..g（1）　　k=1，2，………..g（2）　　对于隐层，有　　j=1，2………………..m（3）　　j=1，2………………

8、..m（4）　　以上两式中，变换函数f（x）均为单极性Sigmoid函数　　（5）　　f（x）具有连续，可导的特点，且有　　=f（x）[1-f（x）]（6）　　（二）构造X络模型的步骤　　本文采用BP反向传播X络学习方法进行数据模拟分析，构造X络的