基于rbf理论经济预测模型探究

《基于rbf理论经济预测模型探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于RBF理论经济预测模型探究摘要：经济决策过程中存在大量未知或不可预知的变量，且存在着非线性模糊的关系。本文引入径向基函数神经网络理论探究经济预测模型，并与传统的BP神经网络模型进行对比分析，通过实例分析检验了RBF模型的可行性和可靠性，能够克服BP神经网络收敛速度慢、极易陷入局部极小值等缺陷，为日后经济决策的制定提供了新的理论方法。关键词：经济预测，RBF理论，BP神经网络中图分类号：F12文献标识码：A文章编号：1001-828X(2013)12-0-01一、引言随着经济全球化的快速发展，各

2、个国家和政府为了了解本国市场经济发展走势，推动国与国之间的经济贸易协作，越来越重视对未来经济发展前景的预测，通过经济预测可以了解本国经济情况，为制定中长期经济发展规划、政策措施和经济指导方针提供理论基础［1］。然而经济预测涉及的诸多变量间存在模糊性及非线性的特点［2］,其他方法均存在自身的缺陷。本文引入径向基函数理论构建经济预测模型，通过实例分析检验RBF模型的可行性和可靠性，并与传统的BP神经网络作对比，期望为日后经济决策的制定提供理论方法。二、RBF基础理论径向基函数（RadialBasisF

3、unction,RBF）神经网络是一种局部逼近的前馈式神经网络［3］。常选用高斯函数作为RBF网络的径向基函数，它的基本表达形式如下：式中：为隐含层第个节点的输出，；为隐含层第个节点的方差，它决定基函数围绕中心点的宽度。图1高斯函数径向基函数将径向基层的每个神经元（）的权值向量与第个输入向量之间的向量距离与偏差的乘积作为输入值，输入表达式：则径向基层神经元的输出为［4］,如图2。图2RBF神经网络隐含层神经元的输入与输出示意图RBF神经网络结构如图3所示。图3RBF神经网络结构隐含层神经元数的确定

4、是RBF神经网络训练过程中的关键问题，RBF神经网络结构自适应确定、输出与初始权值无关［5］。三、实例分析（一）数据来源本文以松原市前郭县区域经济的GDP为数据源，通过比较分担率的大小得出区域内生产总值有着显著影响的因素：其中：为某因素i项所占的分担率；为单影响指数；是各单因子指数之和。通过计算得出就业数量、固定资产投资、银行贷款、财政支出及研究与开发费用对区域经济有显著影响作为经济预测变量。（二）RBF神经网络的应用RBF神经网络模型将经济预测问题转化为影响因子和GDP的非线性问题。通过训练，R

5、BF神经网络模型能够达到对经济预测的目的。然后同样的数据应用BP神经网络进行训练，对比分析两种预测方法的可行性，预测结果见表1.表1两种预测模型的输出值与实测值拟合结果对比通过比较，RBF神经网络预测模型比BP神经网络模型得到的输出结果预测精度更高，是一种适用于经济预测的方法。四、结论由于经济预测的复杂性及变量的未知性及非线性，本文将RBF神经网络理论应用到经济预测模型中，结果表明，RBF神经网络模型比BP神经网络的泛化能力较强，预测精度更高，经济预测效果可行可靠，是一种具有实用价值值得推广的经济

6、预测模型。基于RBF理论构建的经济预测模型能够为科学的经济决策提供参考价值。但是每一种方法都不是完美的，RBF理论也有许多需要进一步完善改进的地方，因此它的理论和学习算法还有待于进一步完善和提高。参考文献：[1]陈健，游玮，田金信•应用神经网络进行经济预测方法的改进[J]・哈尔滨工业大学学报，2006,38(6)：897-898,916.[1]叶正波•基于人工神经网络的区域经济子系统可持续发展指标预测研究[J].浙江大学学报(理学版)，2003,30(1)：109-114.[2]肖健华.区域经济发

7、展智能预测方法[J].经济数学，2005,22(1)：57-63.作者简介：李飞，吉林市绿化管理处，经济师，中级职称。