机器学习在GDP预测分析中的应用研究

被引：2

作者：

孙昊 ^{[1
]}

张琦 ^{[2
]}

许勇 ^{[1
,3
]}

机构：

[1] 安徽师范大学数学计算机科学学院

[2] 西北大学软件学院

[3] 东南大学计算机科学与工程系

来源：

计算机技术与发展 | 2009年 / 19卷 / 02期

基金：

安徽省自然科学基金;

关键词：

遗传算法; 人工神经网络; 规则抽取; GDP; SD算法;

D O I：

暂无

中图分类号：

F222.3 [专门经济统计]; TP181 [自动推理、机器学习];

学科分类号：

020208 ; 0714 ; 020201 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

应用机器学习思想对GDP数据进行分析,使用遗传算法优化BP人工神经网络建立GDP数据分析模型并进行预测,带回验证表明模型具有较高精度。在机器已习得数据规律后,利用Sestito和Dillon提出的SD算法,对习得知识后的模型进行知识获取的分析,得出一些由机器学习过程而获得的有意义的结论。这种分析方法可以广泛应用到如人口、经济等复杂系统的预测和分析中,分析出相关因子对结果的影响程度,为决策提供第三方的客观依据,具有很强的推广性和实用性。

引用

页码：227 / 229+233 +233

页数：4

共 5 条

[1] 多层前馈神经网络的学习和综合算法 [J].