基于LSTM-XGBoost二维组合模型的GDP增速预测

• 作者: 朱青 周石鹏
• 来源期刊: 软件导刊
• 关键词: GDP增速 Ridge模型 XGBoost模型 LSTM网络 组合模型
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 人工智能
• 页码范围: 57-62
• 页数: 6页
• 分类号: TP301
• 语种: 中文
• DOI: 10.11907/rjdk.211120

摘要

为了进一步提高国民经济GDP增速的预测精度,提出LSTM-XGBoost二维组合预测模型.针对GDP增速数据,建立Ridge回归预测模型、XGBoost预测模型和LSTM预测模型,然后使用误差倒数法将Ridge回归、XGBoost与LSTM模型两两组合建立二维模型进行GDP增速预测,并与传统时间序列预测模型对比.采用国家统计局1980-2018年宏观经济数据进行算例分析,结果表明所构建的LSTM-XGBoost二维组合预测模型的RMSE为2.133,明显低于3种单一预测模型、LSTM-Ridge组和XGBoost-Ridge两种组合模型.将LSTM-XG?Boost组合模型与AR、MA、ARIMA模型进行比较,预测精度提高约1.3.因此,LSTM-XGBoost二维组合预测模型更能反映我国GDP增速变化规律.