期刊文章详细信息
基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究
Researeh on GDP Time Series Forecasting based on Integrating SARIMA,GM(1,1) and BP Neural Networks
文献类型:期刊文章
机构地区:[1]广东外语外贸大学信息学院,广东广州510420 [2]上海理工大学管理学院,上海200093
年 份:2013
卷 号:32
期 号:5
起止页码:814-822
语 种:中文
收录情况:BDHX、BDHX2011、CSSCI、CSSCI2012_2013、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊
摘 要:本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.
关 键 词:ARIMA BP神经网络 GM(1,1)模型 集成模型 GDP预测
分 类 号:F224] O212]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...