基于改进神经网络的GDP时间序列预测

• 作者: 张吉刚 梁娜
• 来源期刊: 河南科学
• 关键词: BP神经网络 GDP预测 准确率
• 年，卷（期）: 2011,（12）
• 页码范围: 1506-1508
• 分类号: F224.9
• 语种: 中文
• DOI: 10.3969/j.issn.1004-3918.2011.12.031

摘要

由于GDP时间序列具有线性和非线性的特征,神经网络(NN)方法和集成预测方法等在预测分析时可能产生较大误差.以GDP的年增长率作为神经网络的输入,建立基于BPNN的GDP预测模型.利用此改进BPNN模型对我国的GDP进行预测和验证,并分别与ARIMA-BP集成模型及BPNN模型进行比较.结果表明,改进的BPNN模型预测准确率明显优于目前的ARIMA-BP集成模型及BPNN模型的预测准确率,能有效应用于GDP预测.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁娜		33	127	6.0	10.0
2	张吉刚		32	137	7.0	10.0