基于组合模型下企业生产总值预测
作者 : 未知

  摘 要:借助MATLAB软件,运用BP神经网络对阿拉尔的生产总值进行预测,得2017年和2018年生产总值的预测结果为275.8728亿元和265.5376亿元。为了检验预测结果,借助于MATLAB软件,运用BP神经网络对多元线性回归模型进行残差修正,建立多元线性回归-BP神经网络组合预测模型,得出新的预测结果。
  关键词:生产总值;组合模型;预测
  一、研究背景
  经济影响着国民的生活,国家的发展,地区的稳定。在2014年4月27日至30日,中共中央总书记、国家主席习近平来到新疆考察,对加快新疆经济社会发展、保障和改善民生、推进跨越式发展进行调研指导。国家领导人对新疆发展的重视,充分证明了新疆经济发展的重要性。
  作为新疆维吾尔自治区下的一个直辖市-阿拉尔市,在经济、社会各方面的发展都处于上升趋势。因此,对本地阿拉尔经济方面进行宏观研究并进行规划是有必要的,不仅能对当地的经济建设提供建设性意义,更能促进当地经济又好又快发展,促进社会的和谐和人民的幸福,所以特选取阿拉尔历年的生产总值数据及影响生产总值因素的数据对阿拉尔的生产总值进行预测。
  二、数据来源及预备知识
  1.数据来源
  本着真实可靠原则,从阿拉尔统计局的统计年鉴上找出阿拉尔历年生产总值、农业生产值、工业生产值、服务业生产值、建筑业生产值、固定资产投资、社会零售总额、进出口额的具体数据。
  对数据进行预处理如下:
  依图1可知阿拉尔的生产总值由2006年的40多亿元,上升到了2016年的270多亿元,小有波动,但总体趋势是上升的,未来经济发展是有潜力的。
  2.预备知识
  (1)BP神经网络,BP神经网络是一种单向传播的多层前馈网络:
  其中表示输入值;表示权重;b表示阈值,y表示神经元的输出。BP神经网络由输入层、隐层、输出层构成,每一层由多个人工神经元组成,相邻层各个神经元之间形成完全连接关系,而同一层内神经元之间没有任何连接关系,前一层的输出作为下一层神经元的输入。n个输入信号从输入层进入网络,经激励函数变换后到达隐层,然后再激励函数变换到输入层构成m个输出信号。
  ②多元线性回归-BP神经网络组合预测模型
  模型建立的步骤为:
  三、模型的建立与求解
  1.BP神经网络
  将2006年到2014年的农业生产总值等7个指标作为输入层,全年生产总额作为输出层,2015年和2016年的全年生产总值作为测试数据,对阿拉尔市的全年生产总值进行预测。对输入和输出层数据进行归一化,使网络的学习速度加快,同时更容易收敛。神经网络的最大训练次数100,全局最小误差为0.0004,根据确定隐含层的神经元个数为7,建立BP神经网络模型,进行网络训练并仿真,预测得2017年和2018年全年生产总值分别为275.8728亿元和265.5376亿元,结果如图:
  2.多元回归分析-BP神经网络的组合模型
  BP神经网络的非线性、具监督学习、较好推广能力等特性使其在社会经济水平评价中具有广泛前景。但是该算法对数据依赖性较强,为提高其预测精度,借助MATLAB软件,运用多元回归分析-BP神经网络组合模型预测,得未来两年阿拉尔生产总值分别为275.87亿元和280.54亿元,结果如图:
  四、主要结论
  根据BP神经网络预测,得2017年和2018年生产总值预测结果为275.8728亿元和265.5376亿元,可知经济发展虽有增长,但有波动的风险。为了提高预测结果的精确度,使用了多元回�w分析-BP神经网络组合模型进行预测,得未来两年阿拉尔生产总值分别为275.62亿元和280.31亿元。
  参考文献:
  [1]朱大奇,史慧.人工神经网络原理及应用[M].北京:科学出版社,2006.
  [2]刘博瑞.两类时滞递归神经网络的全局稳定性分析[D].中国海洋大学,2010.
  [3]梁琼.经济预测中的神经网络方法应用综述[J].中国市场,2015(9):25-25.

文秘写作 期刊发表