人工神经在嘉兴市GDP预测文献综述
摘要：本文综述了神经网络理论发展的历史和现状,讨论了人工神经网络在GDP中预测的应用方法，建立BP神经网络来预测GDP。GDP预测是指用可靠的方法进行对未来经济的分析，是与未来有关的旨在减少不确定性对经济活动影响的一种经济分析。对嘉兴市进行GDP预测，可以为嘉兴市GDP发展前景做出分析和判断。
关键词：GDP预测；BP神经网络；人工神经网络；
- 文献综述
都崴崴在《人工神经网络在广东省GDP预测中的应用研究》中提出了GDP是衡量一个国家或地区宏观经济状况的综合表现的一个重要指标，要想做到对宏观经济进行积极而有效的调控，首先要对未来经济的走势进行预测，根据预测结果决定是需要刺激还是抑制经济规模，从而制定相应的宏观调控手段，如货币政策、财政政策等。在现有的预测方法中，时间序列预测和回归预测是两种最常用的统计方法，而宏观经济系统实质上是一个非线性系统，所处环境是处于一种不断变化的状态，附加性干扰因素直接作用于宏观经济系统运行的整个过程，再加上各种原因，导致宏观经济建模所需的历史资料有可能不确定、不完整，从而使得利用传统的预测方法对GDP进行预测变得十分困难。 人工神经网络是一门新兴交叉学科，近年来被越来越多的应用到了实际问题的预测中，显示出其广阔的应用前景，特别是人工神经网络具有预测非线性系统未来行为的巨大潜力【1】。
王永杰在《人工神经网络算法在GDP和CPI中的预测应用》指出了国际经济竞争越来越激烈,为保证我国在国际竞争中立于不败之地,必须保证宏观经济稳定发展。GDP增长率反映了国家经济状况的整体水平,CPI指数直接影响国民购买力。在制定宏观经济政策时,必须研究历史数据,从历史数据中寻求它们之间的内在关系,进而为制定合适的方针政策提供指导。GDP增长率与CPI指数的历史数据具有复杂的时间序列性和非线性性。人工神经网络算法具有良好的非线性拟合能力,在处理非线性问题时得到了广泛应用。BP神经网络算法和SVM算法作为人工神经网络中两种广泛使用的算法,都具有良好的非线性拟合能力,但也存在不足【2】。
赵秀恒，李明和李昆山在《BP神经网络在GDP预测中的应用研究》里面提出了 在经济预测中,通常采用回归分析方法建立模型对经济运行进行拟合,但由于经济系统的复杂性,许多回归模型尤其是线性回归模型难以达到要求的精度.本文采用BP神经网络方法建模,利用其自学习和非线性的突出特点,得到了较为满意的预测结果【3】。
尹庆双 ， 奉莹在《人工神经网络在第三产业就业分析中的应用》中提到本文采用人工神经网络的方法对我国第三产业就业比重进行了分析,建立了第三产业就业的BP神经网络模型,以1978～2003年我国人均GDP和第三产业就业比重的历史数据作为样本数据对网络进行训练,通过与回归方程进行比较,发现BP网络在拟合精度上高于回归方程。最后,运用BP网络对不同人均GDP水平下我国第三产业就业比重进行了仿真和测算,指出人工神经网络在经济预测上具有较大的应用价值【4】。
杨挺在《基于BP神经网络改进算法的湖南省GDP预测研究》中指出了GDP是衡量一个国家或地区宏观经济状况综合表现的一个重要指标,要想做到对宏观经济进行积极有效的调控,首先要对未来经济的走势进行预测,然后根据预测结果决定是需要刺激还是抑制经济规模,从而制定相应的宏观调控手段,如货币政策、财政政策等。在现有的预测方法中,时间序列预测和回归模型预测是两种最常用的预测方法,而宏观经济系统实质上是一个非线性系统,所处环境是一种不断变化的状态,附加性干扰因素直接作用于宏观经济系统运行的整个过程,再加上各种原因,导致宏观经济建模所需的历史资料有可能不确定、不完整,从而导致利用传统的预测方法对进行预测变得十分困难。 由于人工神经网络是非线性、非局域性、非定常性的复杂网络系统,具有并行分布的信息处理结构和自适应的脑模式的信息处理的本质与能力,它可以通过“自学习”或“训练”掌握大量的知识,完成特定的工作【5】。
石艳丽在《基于人工神经网络的经济预测模型研究》中提出了宏观经济系统是一个国家或地区总体经济状况的综合表现;财政是国民经济的重要组成部分,是重要的宏观调控手段;宏观调控是一项复杂的系统工程,要做到积极而有效的调控,首先要进行预测。 GDP是衡量一个国家或地区宏观经济状况的综合表现的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果决定是需要刺激还是抑制经济规模,从而制定相应的宏观调控手段。在现有的预测方法中,时间序列预测和回归预测是两种最常用的统计方法,而宏观经济系统实质上是一个非线性系统,所处环境是处于一种不断变化的状态,附加性干扰因素直接作用于宏观经济系统运行的整个过程,再加上各种原因,导致宏观经济建模所需的历史资料有可能不确定、不完整,从而使得利用传统的预测方法对GDP进行预测变得十分困难,因此将人工神经网络用于经济预测中【6】。
孙文渊在《基本BP神经网络模型下预测吉林省GDP》提出了随着经济的高速发展,影响GDP的附加干扰因素越来越多,另外GDP的变化本身就是非线性的,加之突发的不确定性情况也越来越多,所以在预测的时间段里,利用传统的预测方法对GDP进行较为准确的预测就成为了一个难题.而人工神经网络是一种非线性、非局域性、非定常性的繁杂网络体系,拥有并行漫衍的信息处理构造和自适应的脑形式的信息处理的本领与实力,它能够经过“自学习”或“训练”掌管大批的常识,落实好特定的事情.其中,BP人工网络在创建预测模型方面更是占有明显的优势：一方面,它能依据已有的数据模型进行预测,过程不繁琐；另一方面,它还能主动地靠拢那些有用的数据,找到数据中蕴藏的规律【7】。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
