基于支持向量机的中国工业增加值预测研究

被引：6

作者：

徐智勇 ^{[1
]}

孙林岩 ^{[1
]}

郭雪松 ^{[2
]}

机构：

[1] 西安交通大学管理学院

[2] 西安交通大学公共行政与管理学院

来源：

运筹与管理 | 2008年 / 03期

关键词：

工业经济; 趋势预测; 支持向量机;

D O I：

暂无

中图分类号：

F424 [工业建设与发展]; F224 [经济数学方法];

学科分类号：

020205 ; 0202 ; 0701 ; 070104 ;

摘要：

工业增加值是衡量一个国家工业发展水平的重要指标。由于其受多种因素影响,对其预测相对困难。本文提出运用时间序列预测方法对其预测,并利用支持向量机和微分进化算法(differential evolution,DE)相结合的方法对中国工业增加值数据进行预测。数据仿真显示该模型比核主成分分析的最小二乘支持向量机(KPCA-LS-SVM)以及岭回归(ridge regression,RR)具有更高的预测精度。

引用

页码：88 / 92+87 +87

页数：6

共 6 条

[1] 基于小波分析的游客流量神经网络预测研究 [J].