基于RBF神经网络的GDP时间序列预测模型研究

摘要：

对GDP进行高精度的分析预测,对制定经济发展战略、规划年度计划以及各种宏观经济政策,具有重要的理论与现实意义.本文采用RBF神经网络作为工具,建立基于RBF神经网络的GDP时间序列预测模型,并与ARIMA模型进行对比,对上海市22年的GDP数据进行了仿真实验.实验表明,ARIMA模型对上海市GDP数据进行预测的精度仅为91.8754％,而本文提出的RBF_TSF模型的预测精度则高达95.0360％.这表明本文提出的RBF TSF比ARIMA模型在GDP时间序列预测上具有更高的预测精度.同时该模型收敛迅速,具有很强的实用价值.

关键词：RBF神经网络、GDP、ARIMA、预测

分类号：TU7;TP1

资助基金：国家自然科学基金71071113

在线出版日期：2013-06-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：10-13