基于灰色BP网络的GDP总量组合预测模型应用研究.pdf

第11卷第3期 黄山学院学报 voI．11．NO．3 Journalof University 2009年6月 Huangshan Jun．2()09 宣平1，一，刘建宁3，李国成1 (1．安徽大学数学科学学院，安徽合肥230039；2．皖西学院薮理系，安徽六安237012： 3．洛阳理工学院Z-程管理系，河南洛阳471023) 摘 络组合模型大大提高了预测精度。 关键词：GM(I，1)模型；BP人工神经网络；组合预测；GDP总量 中图分类号：TPl83文献标识码：A Model)，主要应用于时间 的预测，CM(1，1)模型_(Grey 0引 言 序列预测。建模前一般先对原始数据进行预处理。 设时间序列： 组合预测的理论和方法是将多种预测方法加 X‘o’(f)=(工to)(I)．工(o’(2)，…，J‘o’(刀))(1) 以组合形成一种新的预测方法，其本质就是将各种 单项预测模型看作代表不同信息的片段，通过信息 的一阶累加生成(1一AGO)： 的集成分散单个预测特有的不确定性和减少总体 工‘1’(七)=∑工‘o’(f)，k=l州2一，n(2) 的不确定性，从而提高预测精度。【1删灰色GM(1，1)模 百 ． 型利用累加生成后的新数据建模，在一定程度上弱 通过累加生成削弱原始数据的随机干扰，突出 化了原始数据的随机性，容易找出数据变换规律，且 系统所蕴涵的内在规律。对生成数据列XtI)建立一 具有建模所需样本少的优点，M神经网络具有自学 阶微分方程(状态方程)： 习、非线性映射和并行分布处理的能力。但是灰色 型．t-甜fI)：“(3) 预测有预测区间问题，神经网络又有当数据少时网 络训练外延差的问题，所以本文结合灰色系统思想 式中阿a’u为参数，该微分方程的连续解为： 与神经网络的优点建立了一个灰色人工神经网络 工(I’(f)：(工‘。’(1)一U)e一“+兰(4) a a 组合预测模型．可充分利用灰色系统少数据建模和 离散形式的解为： 神经网络非线性映射的特性，发挥两者的优势，从而 工(1’(七+1)=(J(。’(1)一U)e一4I+兰(5) 进一步提高预测精度。 a a 其中：a和“按最小二乘法求出，即 1一般的GM(1，1)预测模型 【口，“】7--=(B丁B)一1B下Y。 式中： 所谓灰色预测，就是指以GM(1，1)模型为基础 收稿13期：2008—1卜20 基金项目：皖西学院自然科学基全资助(wxzYoT06) 作者简介