基于人工神经网络的经济预测模型研究

随着信息技术的飞速发展,经济发展变化节奏的也日益加快。怎样根据相关经济指标较准确、合理地预测宏观经济形势,已成为我国政府和经济学界越来越重视的课题之一。宏观经济系统是一个国家或地区总体经济状况的综合表现;财政是国民经济的重要组成部分,是重要的宏观调控手段;宏观调控是一项复杂的系统工程,要做到积极而有效的调控,首先要进行预测。 GDP是衡量一个国家或地区宏观经济状况的综合表现的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果决定是需要刺激还是抑制经济规模,从而制定相应的宏观调控手段。在现有的预测方法中,时间序列预测和回归预测是两种最常用的统计方法,而宏观经济系统实质上是一个非线性系统,所处环境是处于一种不断变化的状态,附加性干扰因素直接作用于宏观经济系统运行的整个过程,再加上各种原因,导致宏观经济建模所需的历史资料有可能不确定、不完整,从而使得利用传统的预测方法对GDP进行预测变得十分困难,因此将人工神经网络用于经济预测中。 近几年来兴起的人工神经网络是一个大规模、并行处理的信息系统。由于其神经元的相互连接及作用函数具有非线性的特点,使得它在处理多变量耦合非线性函数关系中表现出了卓越的能力。己经证明,一个三层的人工神经网络,在隐层节点足够多的情况下,经过充分训练可以以任意精度逼近任何非线性函数,因而人工神经网络在复杂非线性函数的建模中具有巨大的潜力。BP(Back Propagation)网络模型是人工神经网络的重要模型之一,应用非常广泛。本文深入研究了经济预测的方法、分类、预测准确度评价指标以及人工神经网络的内在机制,主要采用人工神经网络方法中的BP神经网络,建立预测模型,对宏观经济的重要指标之一GDP进行预测。