《2020年组合预测模型在工业经济效益的探讨论文》由会员分享，可在线阅读，更多相关《2020年组合预测模型在工业经济效益的探讨论文（5页珍藏版）》请在金锄头文库上搜索。
1、组合预测模型在工业经济效益的探讨论文 针对季度工业经济效益综合指数具有增长性和波动性的二重趋势首先对该指标建立GMDH自回归模型和AC模型然后用基于误差平方和最小的多元回归方法对各单一模型的预测值进行组合得到最优模型 同时将组合预测结果与工业经济效益综合指数实际值以及GMDH、AC单一模型的预测结果相比较进一步显现出组合预测模型在工业经济效益预测中的优势从而为工业经济效益的预测提供了一种行之有效的方法 1GMDH自回归模型原理 GMDH是由乌克兰科学院A.G.Ivakhnenko院士于1967年首次提出并在AdolfMueller等德国科学家的协作下得以不断发展如今已成为一个有效而实用的数据挖
2、掘工具 自组织建模的过程实质上是寻求并确定系统最优复杂度模型的过程它处理的对象为若干输入变量一个或多个输出变量构成的变量间关系待定的一个封闭系统通过各输入变量相互结合产生众多候选模型集利用外准则选出若干项最优模型再将其结合由此得到再下一代如此不断重复直到新产生的模型不比上一代更加优秀为止则倒数第二代中的最优模型就是我们寻找的最优复杂度模型 GMDH是基于神经网络和计算机科学的迅速发展而产生和发展起来的类似于生物神经网络自组织建模方法将黑箱思想、生物神经元方法、归纳法、概率论、Godel数理逻辑等方法有机地结合起来实现了自动控制与模式识别理论的统一 2AC模型原理 2.1待选模式的产生 对于一个
3、给定的具有N个观察值的实值m维序列x瑃=x1t,xt獇(t=1,2,N)一个模式定义为从第i行开始的含有k行的表格P璳(i)这里k称为模式长度(i=1,2,Nk+1) 将所有可能的待选模式P璳(i)(i=1,l,Nk+1)与参照模式P琑相对比希望找出与参照模式相似的模式来研究系统的行为根据任务的不同参照模式可以是任何特定的模式由于AC算法将相似模式的延拓组合起来作为参照模式的发展状态因而该方法进行预测时应该使预测区间恰好是参照模式的延拓于是选用预测起点前的最近一个已知模式作为参照模式即取P琑=P璳(Nk+1) 2.2待选模式的变换 根据工作原理对于长度为k的某参照模式在数据样本中可能有一个或几
4、个长度为k的相似模式但是由于系统是动态的不同时期的相似模式可能具有不同的平均值和标准方差 令x*1,i+j=a琲0l+a琲1l,j=0,1,k1;i=1,2,Nk+1;l=1,2,m参数a琲l可解释为参照模式与相似模式P璳(i)间的状态差异而参数a琲1l则视为一些不确定的因素使用参照模式的对应数据xj(i=Nk+1,Nk+2,N;j=1,2,m)作为基准值对每个待选模式p璳(i)由最小二乘法估计出未知的权重a琲la琲1l并给出用于计算模式相似性度量的误差平方和 2.3相似模式的选取 这一步的主要目的是识别模式形状间的相似性我们将其度量称为模式相似度为了度量一个已按步骤(2)变换了的待选模式p璳
5、(i)关于参照模式p琑的相似性就需要测量两个模式中具有m个系统变量的k个观察值之间的距离一般地第i个待选模式与参照模式间的距离可定义为： d璱=1k+1騥1j=0騧r=1x,i=jx,Nk+j+12 模式相似度可由距离来度量第i个模式关于参照模式的相似度s璱定义为： s璱=1/d璱 显然距离值越大模式相似度就越小 模式相似度计算出来以后我们就可以根据相似度大小来选取相似模式 2.4将相似模式的延拓进行组合以得到预测 值得注意的是与通常的参数模型相比在对输出变量进行预测时AC算法不需要预先对输入变量的发展趋势进行估计或作假设即预测完全由一致的数据给出是真正意义上的预测这也是它优于一般预测方法的特
6、点 3组合预测模型 所谓组合预测就是将不同的预测方法进行适当的组合综合利用各种方法所提供的有用信息从而尽可能的提高预测精度年诺贝尔经济学奖得主、美国加利福尼亚大学的C.Granger教授关于组合预测的评价是：“组合预测提供了一种简便而实用的可能产生更好预测的途径” 假设对工业增加值预测问题建立了m个预测模型他们对目标变量的预测值分别为f1(t),f2(t)Lf璶(t)组合预测模型为f(t)=ni=1璱f璱(t)+c 其中c为常数1,2,3,L,璶为各种单项预测方法的预测值在组合预测中的权重常数c和权重璱(i=1,2,n)的确定是根据最小二乘法原理是预测值和实测值误差的平方和达到最小而求出 4实
7、证分析 4.1组合预测结果及误差分析 把年1季度年4季度的GMDH模型和AC模型的相关数据代入组合预测的线性模型式中即可求得组合预测的权重在此组合预测模型下可使预测的误差平方和最小解得 1=4.979,2=7.019,c=482.877 由此得到GMDH和AC预测模型及组合预测模型的相对误差分布见表1 由表1可知组合预测之后模型的相对误差大大减小了模型的最大相对误差也在3%以内属于宏观经济预测可接受的误差范围 5结束语 论文讨论了GMDH自回归模型和AC模型在工业经济效益中的作用并针对两种预测模型的结果建立了最优线性组合预测模型实例证明组合预测取得了比较好的预测效果 随着我国工业的快速发展社会各界对于工业经济效益的预测工作越来越重视论文借助GMDH自回归模型和AC模型进行组合预测经过验证该种方法能够有效地提高预测的精度比单一预测模型的相对误差更小更适合预测未来经济的发展 用本文所提出的组合预测方法进行工业经济效益的预测已经在四川省得到应用实践证明这种组合预测方法的预测效果很好
