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

被引：33

作者：

龙会典 ^{[1
,2
]}

严广乐 ^{[2
]}

机构：

[1] 广东外语外贸大学信息学院

[2] 上海理工大学管理学院

来源：

数理统计与管理 | 2013年 / 32卷 / 05期

关键词：

ARIMA; BP神经网络; GM(1,1)模型; 集成模型; GDP预测;

D O I：

10.13860/j.cnki.sltj.2013.05.004

中图分类号：

O211.61 [平稳过程与二阶矩过程];

学科分类号：

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.

引用

页码：814 / 822

页数：9

共 15 条

[11] 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)
[12] Model identification of ARIMA family using genetic algorithms[J] . Chorng-Shyong Ong,Jih-Jeng Huang,Gwo-Hshiung Tzeng.Applied Mathematics and Computation . 2004 (3)
[13] Applied Hybrid Grey Model to Forecast Seasonal Time Series[J] . Fang-Mei Tseng,Hsiao-Cheng Yu,Gwo-Hsiung Tzeng.Technological Forecasting ＆ Social Change . 2001 (2)
[14] Time series forecasting by combining RBF networks, certainty factors, and the Box-Jenkins model[J] . Donald K. Wedding,Krzysztof J. Cios.Neurocomputing . 1996 (2)
[15] On Combining Forecasts: Some Extensions and Results[J] . Anthony E. Bopp.Management Science . 1985 (12)

← 1 2 →