基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究 |
| |
作者单位: | ;1.广东外语外贸大学信息学院;2.上海理工大学管理学院 |
| |
摘 要: | 本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.
|
关 键 词: | ARIMA BP神经网络 GM(1 1)模型 集成模型 GDP预测 |
Researeh on GDP Time Series Forecasting based on Integrating SARIMA,GM(1,1) and BP Neural Networks |
| |
Abstract: | |
| |
Keywords: | |
|
|