基于PCA-SVM的区域经济预测研究

• 作者: 向昌盛 周子英 段建南 陈茜
• 来源期刊: 计算机仿真
• 学科: 工学
• 关键词: 支持向量机 区域经济 神经网络
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 社会科学领域仿真
• 页码范围: 375-378
• 分类号: TV139.1
• 字数: 3316字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2011.04.092

摘要

针对区域经济存在高度的非线性、各指标间存在数据冗余等特征,使得传统的经济预测方法精度较低,为解决上述问题,提出了一个基于主成份分析的支持向量机的区域经济预测模型(PCA-SVM).选择对影响长株潭区域经济发展的各因子进行主成份分析,消除各因子之间的冗余性,从而减少了支持向量机的输入维数,增加了支持向量机预测速度,利用PCA-SVM模型对长株潭2003-2007年经济数据进行了验证性测试和分析,结果表明,相对于各参比模型,PCA-SVM模型预测精度显著提高,是一种高效的区域经济预测模型,为预测研究提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	向昌盛	湖南农业大学东方科技学院	32	348	10.0	17.0
2	周子英	湖南农业大学资源与环境学院	35	474	10.0	21.0
3	段建南	湖南农业大学资源与环境学院	185	1777	21.0	36.0
4	陈茜	湖南农业大学资源与环境学院	8	63	4.0	7.0