基于遗传优化图神经网络的企业贸易经济预测

摘要：

在智能化算法研究的基础上,设计基于遗传优化的图神经网络(GOGNN)模型,用于实现企业贸易经济预测功能.根据经济贸易特征因子,通过引入种群适应度的平均值和适应度值的离散程度来动态调整交叉概率和变异概率.根据种群的进化情况动态调整这些概率,避免模型陷入局部最优解.选择影响贸易经济的评价指标构建经济贸易预测图数据,使用图神经网络对指标因素进行聚合,以预测准确率作为适应度函数的输出值.结合来自国家统计局、国家外汇管理局、行业调查研究等网站的历史外贸经济数据,将提出的GOGNN模型与其他模型做对比.实验结果表明:GOGNN模型对训练数据的均方误差大约为0.74335,小于其他模型;GOGNN模型对测试数据集的预测误差值在0.03以下,且相对于其他模型有着较好的收敛精度.

关键词：企业贸易经济、经济预测、图神经网络、遗传优化、遗传算子

所属期刊栏目：37

分类号：TP181;F742(自动化基础理论)

资助基金：广东省特色创新项目2021WTSCX308

在线出版日期：2024-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：44-51