基于遗传算法优化的神经网络预测GDP

经网络模型遥 图 1 为 RBF 网 络 结 构 袁 为 多 输 入 单 输 出 得 网 络 遥
R BF 网 络 输 入 为 X = [ x1 , x2 噎 , xn ] T 袁 为 网 络 的 输 入 向 量 遥 RBF 径 向 基 向 量 H = [ h1 , h2 , 噎 hm ] T 袁 其 中 hi 为 高 斯 基 函数
在经济领域预测的过程中袁 由于研究对象影响因 素较复杂而且模式多为非线性曰 传统预测方法误差较 大 袁 精 度 难 以 满 足 要 求 遥 本 文 采 用 RBF 网 络 预 测 和 遗 传 算 法 优 化 RBF 网 络 预 测 方 法 袁 并 进 行 比 较 分 析 袁 给 出结论遥
1 RBF 神 经 网 络
蓸 蔀 hj =exp
-
椰X
-Cj
2
椰2
j=1,2,噎,m
渊1冤
2b j
网 络 第 j 个 节 点 中 心 向 量 Ci = [ ci1 袁 ci2 , 噎 , cin ] T 袁 j = 1, 2 , 噎 , n曰 设 网 络 的 基 宽 向 量 B = [b1, b2, 噎 ,bm]T袁bi 为 节
图 1 RBF 网 络 结 构 示 意 图 RBF 神 经 网 络 即 径 向 基 函 数 神 经 网 络 遥 径 向 基 函 数神经网络是一种高效的前馈式神经网络袁 它具有其 他前向网络所不具有的最佳逼近性能和全局最优特
性袁并且结构简单袁训练速度快遥 同时袁它也是一种可
以广泛应用于模式识别尧 非线性函数逼近等领域的神
揖Key words铱GDP ; RBF network ; Genetic algorithm ; Prediction
0 引言
国内生产总值是指在一定时期内袁 一个国家或地 区的经济中所生产出的全部最终产品和劳务的价值袁 常 被 公 认 为 衡 量 国 家 经 济 状 况 的 最 佳 指 标 遥 GDP 可 以 展示了一个国家经济状况袁 帮助政府判断国家经济是 否健康袁需要刺激经济发展还是需要控制经济膨胀遥
揖 关 键 词 铱 GDP 曰 RBF 网 络 曰 遗 传 算 法 曰 预 测
中 图 分 类 号 院 TP183
文献标识码院 A
DOI 院 10 . 19694 / j . cnki . issn2095 - 2457 . 2018 . 16 . 002
文 章 编 号 院 2095 - 2457 渊2018冤16-0004-002
点 j 的基宽参数袁且为大于零的数遥 输入层到隐含层权
值为 1.0袁隐含层到输出层向量袁即
ym ( k ) = w1h1 + w2h2 + 噎 + wmhm
渊2冤
RBF 网 络 逼 近 性 能 指 标 袁 即
E
(
k
)
=
1 2
( y ( k ) - ym ( k ) ) 2
渊3冤
为使目标函数最小化袁 各参数的修正量应与其负
梯度成正比袁迭代算法如下
驻wj ( k ) = - 浊
鄣E(k 鄣 wj
)
ቤተ መጻሕፍቲ ባይዱ
= 浊 ( y ( k ) - ym ( k
) ) hj
渊4冤
Prediction of GDP Based on Neural Network Optimized by Genetic Algorithm YAN Rong - tang
( School of Electronic Information Engineering , North China Institute of Technology , Beijing 101601 , China ) 揖Abstract铱As a manifestation of a country 爷 s overall strength , GDP is one of the most concerned statistics in
Science & Technology Vision
科技视界
基于遗传算法优化的神经网络预测 GDP
晏荣堂 渊 华 北 科 技 学 院 电 子 信 息 工 程 学 院 袁 中 国 北 京 101601 冤
揖 摘 要 铱 GDP 是 宏 观 经 济 中 最 受 关 注 的 统 计 数 据 之 一 袁 也 是 政 府 制 定 经 济 发 展 战 略 的 重 要 依 据 遥 传 统 GDP 预 测 方 法 大 多 属 于 线 性 预 测 方 法 袁 而 神 经 网 络 对 非 线 性 适 应 能 力 强 遥 本 文 利 用 RBF 网 络 建 立 GDP 与 其 影 响 因 素 之 间 的 非 线 性 模 型 袁 通 过 分 析 因 素 之 间 的 灰 色 关 联 度 确 定 影 响 因 子 权 重 袁 并 采 用 遗 传 算 法 优 化 RBF 网 络参数袁提高预测精度遥
macro - economy , and it is also an important basis for the government to formulate economic development strategy . The traditional GDP forecasting methods are mostly linear forecasting methods , and the neural network has strong adapt ability to non - linear forecasting . Based on RBF network based nonlinear model between the GDP and its influence factors , through the analysis of the grey correlation degree between the factors of impact factor weights , and parameters of RBF network was optimized by using genetic algorithm , improve the prediction precision .