ＩＳＳＮ １００９－３０４４ Ｅ—ｍａｉｌ．＂ｅｄｕｆ＠ＣＣＣＣ．ｎｅｔ．ａｎ ｈｎｐ：／／ｗｗｗ．ｄｎｚｓ．ｎｅｔ．ａｎ Ｔｅｈ＋８６—５５ １—５６９０９６３ ５６９０９６４ ＣｏｍｐｕｍｒＫｎｏｗｌｅｄｇｅ ａｎｄＴｅｃｈｎｏｌｏｇｙ电脑知识与技术． Ｖｏ１．７，Ｎｏ．１０，Ａｐｒｉｌ ２０１ １，ｐｐ．２３４５—２３４７ 基于ＢＰ与ＲＢＦ神经网络经济预测模型的研究 白雪冰 （浙江工业大学，浙江杭州３１００１４） 摘要：该文结合经济预测理论和ＢＰ神经网络算法和Ｒ＿ＢＦ神经网络的特点，研究浙江省基于ＢＰ神经网络算法和Ｐｄ３Ｆ神经网络算 法的人工神经网络的经济增长预测。实证研究数据结果表明，人工神经网络具有较好的预测精度，但是各种神经网络进行经济增长 预测的数据不一样．有些误差非常大。人工神经网络可以为宏观经济部门决策提供很好的参考依据。 关键词：ＢＰ人工神经网络；ＲＢＦ人工神经网络；经济增长预测 中图分类号：ＴＰ１８３ 文献标识码：Ａ 文章编号：１０ｏ９—３０４４（２０１１）１０—２３４５—０３ Ｔｈｅ Ｓｔｕｄｙ ｏｆ Ｆｏｒｅｃａｓｔ ｏｆ Ｚｈｅｊｉａｎｇ Ｐｒｏｖｉｎｃｅ Ｓ Ｅｃｏｎｏｍｉｃ Ｇｒｏｗｔｈ Ｕｓｉｎｇ ＢＰ ａｎｄ ＲＢＦ Ａｒｔｉｉｆｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ＢＡＩ Ｘｕｅ—ｂｉｎｇ ｆＺｈｅｎｇｊｉａｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｎｇｚｈｏｕ ３１００１４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ ｏｎ ｅｘｉｓｔｉｎｇ ｓｔｕｄｉｅｓ ｏｆ ｅｃｏｎｏｍｉｃ ｆｏｒｅｃａｓｔｉｎｇ ｍｅｔｈｏｄｓ，ｔｈｅ ａｒｔｉｃｌｅ ｓｔｕｄｉｅｓ ｔｈｅ Ｚｈｅｊｉａｎｇ ｐｒｏｖｉｎｃｅ Ｓ Ｅｃｏｎｏｍｉｃ Ｇｒｏｗｔｈ Ｆｏｒｅ— ｃａｓｔ ｕｓｉｎｇ ＢＰ ａｎｄ ＲＢＦ Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ．Ｔｈｅ ｄａｔａ ｒｅｓｅａｒｃｈ ｓｈｏｗｓ Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｈａｓ ｇｏｏｄ ｐｒｅｃｉｓｉｏｎ，ｂｕｔ ｄｉｆｆｅｒｅｎｔ Ａｒｔｉｉｆｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｈａｖｅ ｄｉｆｅｒｅｎｔ ｂｅｈａｖｉｏｒ，ｓｏｍｅ ｈａｖｅ ｂｉｇ ｅｒｒｏｒ．Ａｒｔｉｉｆｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ｃａｎ ｐｒｏｖｉｄｅ ｇｏｏｄ ｒｅｆｅｒｅｎｃｅ ｆｏｒ ｔｈｅ ｍａｋ— ｉｎｇ ｐｏｌｉｃｙ ｏｆ ｓｅｃｔｏｒ ｏｆ ｅｃｏｎｏｍｙ． Ｋｅｙ ｗｏｒｄｓ：ＢＰ ａｒｔｉｉｆｃｉｌａ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ＲＢＦ ａｒｔｉｉｆｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ；ｅｃｏｎｏｍｉｃ ｇｒｏｗｔｈ ｆｏｒｅｃａｓｔ １经济预测概论 经济预测是与未来有关的旨在减少不确定性对经济活动影响的一种经济分析。它是对将来经济发展的科学认识活动。经济预 测不是靠经验、凭直觉的预言或猜测，而是以科学的理论和方法、可靠的资料、精密的计算及对客观规律性的认识所作出的分析和 判断。 ２人工神经网络经济预测技术 由于人工神经网络具有大规模并行处理、容错性、自适应和联想功能强等特点，作为非线性智能预测方法的人工神经网络预测 方法成为国内外经济预测研究的一个热点。 人工神经网络不断应用于证券预测分析、企业经济战略预测、经济理论创新、经济预测预警等研究中，都得到了一定的效果。 ３ ＢＰ与ＲＢＦ神经网络预测模型分析 ３．１经济增长神经网络设计模型 ３．１．１宏观经济预测指标 经济增长率是判断宏观经济运行状况的一个主要指标。经济增长率指的就是不变价国内生产总值增长率ｆ简称国内生产总值增 长率。因此，判断宏观经济运行状况要落脚到对国内生产总值的核算上。在本文中我们采用ＣＤＰ的增长率来作为预测目标。 ３．１．２神经网络设计模型经济模型的设计 本论文采用两种模型对经济进行预测。 ．ｇｏ １１第一种ＧＤＰ预测模型：第ｎ年的一、二、三产业的增长率作为输入，第 ｎ＋１年ＧＤＰ增长率作为输出。 舳 ２１第二种预测模型。第ｎ一３、ｎ一２、ｎ一１、１１年的经济增长率作为输入，第ｎ一 １、ｎ、ｎ＋１年经济增长率作为输出。 这里还要说明两个问题。第一我们用到的数据来自２００９年浙江省统计年 鉴、它的网址是ｈｔｔｐ：／／ｔｊｊ．ｚｊ．ｇｏｖ．ｅｎ。 ・ ３．１．３神经网络模型结构 设计经济预测神经网络模型前，首先需要确定神经网络的结构．主要包括 ｙｍ 如下内容：网络的层数，每层的神经元数和激活函数等。采用的神经网络结构 输入层 隐层 输出层 如图１。 图１ 收稿Ｅｌ期：２０１１－０２－１０ 作者简介：白雪冰（１９７４一），男，浙江杭州人，浙江交通职业技术学院讲师，浙江工业大学研究生在读，研究方向为计算机软件开发、 神经网络。 本栏目责任编辑：唐一乐 ， 人工智能及识别技术ｔ ２３４５ Ｃｏｍｐｕ￣ｒＫｎｏｗｌｅｄｇｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ电脑知识与技术 ３．２使用ＢＰ在以浙江省过去的每年的ＧＤＰ增长指数的基础上进行ＢＰ神经网络预测 ３．２．１学习样本的选择 第７卷第１Ｏ期（２０１１年４月） 本次实验使用Ｍａｔｌａｂ软件采用３层ＢＰ神经网络建立浙江省经济发展的的预测模型。输入层节点数为ｎ＝４，输出层节点ｍ＝３． 而隐含层节点数的选择是人工神经网络最为关键的一步，它直接影响网络队复杂问题的映射能力，实验中我们采用试凑法来确定 最佳节点数。现设置较少的隐节点训练网络，然后逐渐增加网络节点数，用同一样本进行训练，从中确定网络误差最小时对应的节 点数，隐层、输出层神经元的转移函数，隐含层和输出层转移函数分别采用ｔａｎｓｉｇ和ｌｏｇｓｉｇ，训练函数选择ｔｒａｉｎｄｘ。 ３．２．２数值归一化处理 对于浙江省经济增长序列Ｑ＝（Ｑ１，Ｑ２…，Ｑｔ）。设序列的最大值、最小值分别为Ｑｍａｘ、Ｑｍｉｎ。对时间序列的值作归一化处理。 令ｘｉ＿（Ｑｉ—Ｑｍｉｎ）／（Ｑｍａｘ—Ｑｍｉｎ） 采用１９７８～２００３年的数据样本在ＭａｔＬａｂ７．０软件中对输人网络进行训练．隐层节点数先从４开始训练，逐步增加到１２时，当数 ３．２．３样本数据训练和数据预测 值为１０时预测结果较好。允许误差为０．００１，训练３２１７次达到训练要求。 采用１９７８～２００４年的数据作为第一组训练数据． ２００５一年数据作为仿真预测数据，通过神经网络预测 ＧＤＰ。采用１９７８—２００５年的数据作为第一组训练数据， 表１ ２００６年数据作为仿真预测数据．通过神经网络预测ＧＤＰ． 采用１９７８—２００６年的数据作为第一组训练数据，２００７一年 数据作为仿真预测数据，通过神经网络预测ＧＤＰ，依次类 推．产生结果如表１所示。 ３．２．４数据分析 从２０００—２００４的拟合数据来看，相对误差比较小，ＢＰ 网络对整个模拟数据的拟合程度还是比较好的，但是从 ２００５—２００９的预测数据来看预测数据的误差还是比较大的，这也说明对未来的预测是很难的。各种不确定的因素在起作用。 ３－３三种产业增加率ＢＰ确定法预测ＧＤＰ ３．３．１样本数据训练 、 将１９７８—２００４年数据对输入网络进行训练。然后把需要预测的样本２０００—２００４年的样本数据输入网络，得到结果，然后用反归 一化公式获得结果。在Ｍａｔｌａｂ７．０中调用ｎｅｗｆｆ函数，建立一个３个输入节点、ｌ８个隐含层节点、一个输出结点的ＢＰ神经网络，隐含 采用１９７８～２００４年的数据作为第一组训练数 层和输出层转移函数分别采用ｔａｎｓｉｇ和ｌｏｇｓｉｇ，训练函数选择ｔｒａｉｎｄｘ，允许误差为０．００１，训练１７４８次达到训练要求。 据．２００５年数据作为仿真预测数据，通过神经网络 预测ＧＤＰ。采用１９７８～２００５年的数据作为第一组 训练数据，２００６年数据作为仿真预测数据，通过神 经网络预测ＧＤＰ，采用１９７８～２００６年的数据作为 ・表２ 第一组训练数据，２００７年数据作为仿真预测数据， 通过神经网络预测ＧＤＰ，依次类推，产生结果如表 ２所示。 ３．３．２数据分析 从预测数据来看预测数据的误差尽管比上一 种类型的数据要好，但是误差还是比较大的，但是考虑到预测的能力，数据还是可以接受的。但是数据误差还是比较大的，这也说 明对未来的预测是很难的，不是十分确定的，有些文章的数据精确度挺高的，但我想应该是不太可能的，也许有故意凑数据的嫌疑。 如果预测一年的话，可以通过调整参数获得近似结果，但是很多年就很困难。 ３．４使用ＲＢＦ在以浙江省过去的每年的ＧＤＰ增长指数的基础上进行ＲＢＦ神经网络预测． ３．４．１ ＲＢＦ神经网络模型设计 该种方式与第一种ＢＰ神经网络预测方法类似．以以前四年的ＧＤＰ增长率作为输入，后两年加以预测的年作为输出。输入层节 点数为ｎ＝４，输出层节点ｍ＝３．而隐含层节点数的选 择是采用ｍａｔｌａｂ的ｎｅｗｒｂｅ自动来设置．然后用同 一表３ 样本进行训练。 ３．４．２样本数据训练和数据预测 ｌ１采用１９７８—２００４年的数据作为第一组训练 数据，２００５年数据作为仿真预测数据，通过神经网 络预测ＧＤＰ。采用１９７８～２００５年的数据作为第一组 训练数据，２００６年数据作为仿真预测数据，通过神 经网络预测ＧＤＰ，依次类推，产生结果如表３所示。 这儿采用ｎｅｗｒｂｅ函数，ｓｐｒｅａｄ参数为０．２５。这是因 ２３４６ ＊人工■●Ｉ厦识剐技术 ＊ 本栏目责任编辑：唐一东 第７卷第１０期（２０１１年４月） ＣｏｍｐｕｔｅｒＫｎｏｗｌｅｄｇｅ ａｎｄＴｅｃｈｎｏｌｏｇｙ电脑知识与技术 为通过测试采用０．２５获得的数据结果较好。 ３．４。３数据分析 从实验数据看，ＲＢＦ对整个模拟数据的曲线拟合程度是相当完美，但是从２００５—２００９的预测数据来看预测数据的误差还是比 较大的，这也说明ＲＢＦ神经网络尽管曲线的拟合程度比ＢＰ网络好，但是从预测的能力来讲，并不比ＢＰ网络好，反而通过试验显 得更差一些。这仍然表明对未来的预测是很难的。各种不确定的因素在起作用。神经网络的预测也只能作为参考之用，不能对各种 的突发事件进行预测。 ３．５使用ＲＢＦ三种产业增加率确定法预测ＧＤＰ ３．５．１ ＲＢＦ神经网络模型设计 该种方式与对应的ＢＰ神经网络预测方法类似，以一年的三种产业增长率作为输入，后一年的ＧＤＰ增长率预测作为输出。本次 实验采用ＲＢＦ神经网络建立浙江省经济发展的的预测模型。输入层节点数为ｎ＝３，输出层节点ｍ＝１．而隐含层节点数的选择采用 ＲＢＦ自动的ｎｅｗｒｂｅ方法实现。 ３．５．２数据处理 表４ １１采用１９７８—２００４年的数据作为第一组训练数据． ２００５年数据作为仿真预测数据，通过神经网络预测ＧＤＰ。 采用１９７８～２００５年的数据作为第一组训练数据．２００６年数 据作为仿真预测数据，通过神经网络预测ＧＤＰ，采用 １９７８～２００６年的数据作为第一组训练数据，２００７一年数据作 为仿真预测数据，通过神经网络预测ＧＤＰ，依次类推，产生 结果如表４所示 ３．５．３数据分析 但是从２００５—２００９的预测数据来看预测数据的误差比上一组得ＲＢＦ的误差还要大，几乎有点难以接受。这也说明ＲＢＦ神经网 络尽管曲线的拟合程度比ＢＰ网络好，但是从预测的能力来讲，并不比ＢＰ网络好，反而我通过试验更差一些。２００９年的数据变得极 为不合理，从而导致数据的偏差性很高。，从测试数据可看出，但是由于经济运行的复杂性，以及不可预知性，特别是由于２００８的美 国金融导致的世界范围的经济危机，导致经济数据的不可靠性大大增加，历史数据变得用处不太大。２００９年的数据变得极为不合 理，从而导致数据的偏差性很高。 ４总结与归纳 从我们的试验来看，各种神经网络的确可以对未来进行预测，但是精度多高却有一些问题，从我们的试验来看ＢＰ神经网络的 数据要比ＲＢＦ神经网络的数据要好，但是也只在一定范围内，四种检测方法，只有一种数据还略微能够接受。神经网络预测仍然需 要不断的完善ｒｎ 参考文献： ［１］张德丰．Ｍａｔｌａｂ神经网络应用设计【Ｍ】．北京：机械工业出版社。２００９． ［２】高隽．人工神经网络原理及仿真实例【Ｍ】．２版．北京：机械工业出版社，２００７． ［３］韩力群．人工神经网络理论、设计与应用【Ｍ］．２版．北京：化学工业出版社，２００７． ［４］施彦，韩力群．神经网络设计方法与实例分析【Ｍ】．北京：北京邮电大学出版社，２００９． ［５】傅荟璇．Ｍａｔｌａｂ神经网络应用设计［Ｍ］．北京：机械工业出版社，２０１０． 本栏目责任编辑：唐～东 ＊ 人工■●Ｉ爰识别技术 ２３４７