基于bp与rbf神经网络经济预测模型的研究

《基于bp与rbf神经网络经济预测模型的研究》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、基于BP与RBF神经网络经济预测模型的研究：该文结合经济预测理论和BP神经X络算法和RBF神经X络的特点，研究浙江省基于BP神经X络算法和RBF神经X络算法的人工神经X络的经济增长预测。实证研究数据结果表明，人工神经X络具有较好的预测精度，但是各种神经X络进行经济增长预测的数据不一样，有些误差非常大。人工神经X络可以为宏观经济部门决策提供很好的参考依据。　　关键词：BP人工神经X络；RBF人工神经X络；经济增长预测　　：TP183：A：1009-3044(2011)10-2345-03　　TheStudyofForecastofZ

2、hejiangProvince'sEconomicGroicforecastingmethods,thearticlestudiestheZhejiangprovince'sEconomicGroehavebigerror.ArtificialNeuralNetakingpolicyofsectorofeconomy.　　Keyicgro=3.而隐含层节点数的选择是人工神经X络最为关键的一步，它直接影响X络队复杂问题的映射能力，实验中我们采用试凑法来确定最佳节点数。现设置较少的隐节点训练X络，然后逐渐增加X络节点数，用同一样本进行

3、训练，从中确定X络误差最小时对应的节点数，隐层、输出层神经元的转移函数，隐含层和输出层转移函数分别采用tansig和logsig，训练函数选择traindx。　　3.2.2数值归一化处理　　对于浙江省经济增长序列Q=（Q1，Q2…，Qt）。设序列的最大值、最小值分别为Qmax、Qmin。对时间序列的值作归一化处理。　　令xi=(Qi-Qmin)/(Qmax-Qmin)　　3.2.3样本数据训练和数据预测　　采用1978～2003年的数据样本在MatLab7.0软件中对输入X络进行训练.隐层节点数先从4开始训练，逐步增加到12时，当

4、数值为10时预测结果较好。允许误差为0.001，训练3217次达到训练要求。　　采用1978～2004年的数据作为第一组训练数据，2005-年数据作为仿真预测数据，通过神经X络预测GDP。采用1978～2005年的数据作为第一组训练数据，2006年数据作为仿真预测数据，通过神经X络预测GDP，采用1978～2006年的数据作为第一组训练数据，2007-年数据作为仿真预测数据，通过神经X络预测GDP，依次类推，产生结果如表1所示。　　3.2.4数据分析　　从2000-2004的拟合数据来看，相对误差比较小，BPX络对整个模拟数据的拟

5、合程度还是比较好的，但是从2005-2009的预测数据来看预测数据的误差还是比较大的，这也说明对未来的预测是很难的。各种不确定的因素在起作用。　　3.3三种产业增加率BP确定法预测GDP　　3.3.1样本数据训练　　将1978-2004年数据对输入X络进行训练。然后把需要预测的样本2000-2004年的样本数据输入X络，得到结果，然后用反归一化公式获得结果。在Matlab7.0中调用ne=3.而隐含层节点数的选择是采用matlab的ne=1.而隐含层节点数的选择采用RBF自动的neatlab神经X络应用设计[M].北京:机械工业出

6、版社,2009.　　[2]高隽.人工神经X络原理及仿真实例[M].2版.北京:机械工业出版社,2007.　　[3]韩力群.人工神经X络理论、设计与应用[M].2版.北京:化学工业出版社,2007.　　[4]施彦,韩力群.神经X络设计方法与实例分析[M].北京:北京邮电大学出版社,2009.　　[5]傅荟璇.Matlab神经X络应用设计[M].北京:机械工业出版社,2010.