基于ARIMA与神经网络集成的GDP时间序列预测研究

被引：73

作者：

熊志斌

机构：

[1] 华南师范大学数学科学学院

来源：

数理统计与管理 | 2011年 / 30卷 / 02期

关键词：

单整自回归移动平均; 神经网络; 集成模型; GDP预测;

D O I：

10.13860/j.cnki.sltj.2011.02.012

中图分类号：

F224.9 [经济数学方法的应用]; F222.33 [国民经济计算体系];

学科分类号：

0701 ; 070104 ; 020208 ; 0714 ; 020201 ;

摘要：

本文深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型的预测特性和优劣,并在此基础上建立了由ARIMA模型和NN模型集成的GDP时间序列预测模型与算法。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,据此将GDP时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终集成为整个序列的预测结果。仿真实验表明:集成模型的预测准确率显著高于单一模型的预测准确率,从而证实了集成模型用于GDP预测的有效性。

引用

页码：306 / 314

页数：9

共 14 条

[1] 组合预测模型在中国GDP预测中的应用 [J].

王莎莎 ;

陈安 ;

苏静 ;

李硕 .

山东大学学报(理学版), 2009, 44 (02) :56-59

[2] ARIMA模型在深圳GDP预测中的应用 [J].

龚国勇 .

数学的实践与认识, 2008, (04) :53-57

[3] 我国GDP时间序列的模型建立与预测 [J].

郝香芝 ;

李少颖 .

统计与决策, 2007, (23) :4-6

[4] 线性与非线性最优组合预测方法的比较研究 [J].

韩冬梅 ;

牛文清 ;

杨荣 .

情报科学, 2007, (11) :1672-1678

[5] 基于自适应小波神经网络的数据挖掘方法研究——对我国石油产量的预测分析 [J].

刘兰娟 ;

谢美萍 .

财经研究, 2006, (03) :114-120

[6] 国内生产总值核算的重要意义和作用 [J].

许宪春 .

中国统计, 2003, (02) :9-10

[7]

非线性时间序列[M]. - 高等教育出版社 , 陈敏译, 2005

[8]

Forecasting models for interval-valued time series[J] . André Luis S. Maia,Francisco de A.T. de Carvalho,Teresa B. Ludermir.Neurocomputing . 2008 (16)

[9]

Comparison of ARIMA, neural networks and hybrid models in time series: tourist arrival forecasting[J] . Atilla Aslanargun,Mammadagha Mammadov,Berna Yazici,Senay Yolacan.Journal of Statistical Computation and Simulation . 2007 (1)

[10] Combining neural network model with seasonal time series ARIMA model [J].

Tseng, FM ;

Yu, HC ;

Tzeng, GH .

TECHNOLOGICAL FORECASTING AND SOCIAL CHANGE, 2002, 69 (01) :71-87

← 1 2 →