應(yīng)用神經(jīng)網(wǎng)絡(luò)進行經(jīng)濟預(yù)測方法的改進

摘 要：應(yīng)用神經(jīng)網(wǎng)絡(luò)進行經(jīng)濟預(yù)測已成為經(jīng)濟預(yù)測領(lǐng)域的重要手段，本文基于對神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測方法的概念、特征、優(yōu)勢的分析，根據(jù)神經(jīng)網(wǎng)絡(luò)預(yù)測方法的特點，本文提出一些改進方法，希望能夠推動經(jīng)濟網(wǎng)絡(luò)預(yù)測方法更好應(yīng)用。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò) 應(yīng)用 經(jīng)濟預(yù)測 改進

神經(jīng)網(wǎng)絡(luò)作為新時代發(fā)展最快的人工智能領(lǐng)域研究成果之一，在科學(xué)計算、自動控制等方面得到了成功的運用。近年來，我國學(xué)者們將神經(jīng)網(wǎng)絡(luò)運用于經(jīng)濟預(yù)測領(lǐng)域，并且不斷地改進應(yīng)用方法，使基于神經(jīng)網(wǎng)絡(luò)的經(jīng)濟預(yù)測系統(tǒng)更具效益。本文在此背景下，對神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測的應(yīng)用進行了研究，圍繞經(jīng)濟預(yù)測的方法應(yīng)用提出相應(yīng)的改進建議，從而豐富了經(jīng)濟增長預(yù)測理論與實踐。

一、神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測的方法的概述

1.概念

神經(jīng)網(wǎng)絡(luò)，是對人腦或自然神經(jīng)網(wǎng)絡(luò)若干基本特征的抽象和模擬。從解剖學(xué)和生理學(xué)的角度來看，人腦是一個復(fù)雜的并行系統(tǒng)，他是由大量的細胞組合而成，這些細胞相互連接。神經(jīng)細胞與人體中的其他細胞的關(guān)鍵區(qū)別在于，神經(jīng)細胞具有產(chǎn)生、處理和傳遞信號的能力。在人工神經(jīng)網(wǎng)絡(luò)的發(fā)展過程中，對生物神經(jīng)系統(tǒng)進行了不同模擬，提出了各種各樣的神經(jīng)網(wǎng)絡(luò)模型，其中具有代表的網(wǎng)絡(luò)模型有感知器神經(jīng)網(wǎng)絡(luò)、線性神經(jīng)網(wǎng)絡(luò)、BP網(wǎng)絡(luò)、徑向基函數(shù)網(wǎng)絡(luò)、自組織網(wǎng)絡(luò)。

2.特征

神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測的方法不同傳統(tǒng)的預(yù)測方法，它對經(jīng)濟系統(tǒng)里的多種因素進行分析，進行有效地多輸入、多輸出的經(jīng)濟預(yù)測數(shù)據(jù)。可以說神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測的方法具有以下幾種特征：其一，由于神經(jīng)網(wǎng)絡(luò)是由復(fù)雜的因素構(gòu)成的，它的輸入向量維數(shù)比較多。其二，經(jīng)濟系統(tǒng)數(shù)據(jù)具有很強的非線性，使得輸入的向量各分量之間存在著復(fù)雜的耦合關(guān)系。其三，經(jīng)濟系統(tǒng)處在一個“黑箱”模型下，導(dǎo)致數(shù)據(jù)之間的相互影響不存在明確表達式的關(guān)系。神經(jīng)網(wǎng)絡(luò)也會隨著時間的增長，數(shù)據(jù)呈現(xiàn)出增長的趨勢。

3.優(yōu)勢

用神經(jīng)網(wǎng)絡(luò)進行經(jīng)濟預(yù)測相對來說比較準(zhǔn)確。因為這種神經(jīng)網(wǎng)絡(luò)在計算量允許的范圍內(nèi)，可以很好地擬合任意多對多的映射關(guān)系，數(shù)據(jù)擬合的結(jié)果表明，系統(tǒng)擬合相對誤差在0%—0.75%，比采取回歸分析逼近效果好。此外，神經(jīng)網(wǎng)絡(luò)各層節(jié)點之間的聯(lián)結(jié)權(quán)數(shù)及閾值恰好可以表達經(jīng)濟系統(tǒng)中各個因素之間相互交織、相互影響的強耦合關(guān)系.而采取多元回歸模型。

往往只能引入少量耦合項以避免模型過于復(fù)雜而無法求解.因此，神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)的多元回歸預(yù)測方法有更好的擬合能力和準(zhǔn)確度。神經(jīng)網(wǎng)絡(luò)的方法是比較適合對經(jīng)濟預(yù)測的，因為它只需要少量訓(xùn)練樣本就可以確定網(wǎng)絡(luò)的權(quán)值和閾值從而預(yù)測出宏觀經(jīng)濟發(fā)展趨勢，計算簡單、快捷、可靠。總而言之，神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測方法具有顯著的優(yōu)勢，是比較適合經(jīng)濟預(yù)測的應(yīng)用過程的。

二、神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測方法應(yīng)用的改進

由于商業(yè)、政府和工業(yè)所產(chǎn)生的預(yù)測間題，其復(fù)雜程度越來越高，以致于現(xiàn)有的預(yù)測系統(tǒng)難于解決，這就要求我們的預(yù)測系統(tǒng)能夠處理復(fù)雜度增加的問題，進一步擴展傳統(tǒng)神經(jīng)網(wǎng)絡(luò)預(yù)測方法的能力，使得神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論的不斷發(fā)展和完善、新的神經(jīng)網(wǎng)絡(luò)預(yù)測方法的不斷產(chǎn)生，使得神經(jīng)網(wǎng)絡(luò)預(yù)測模型更加實用化、現(xiàn)代化，會給商貿(mào)和工農(nóng)業(yè)生產(chǎn)帶來巨大的經(jīng)濟效益。以下是本人對神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測方法應(yīng)用改進的建議：

首先，我們要改進神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測的過程。確定預(yù)測的目的，制定預(yù)測的計劃。經(jīng)濟預(yù)測首先要確定預(yù)測的目的，從決策和管理的需求出發(fā)，緊密聯(lián)系實際需要與可能，確定預(yù)測要解決的問題。預(yù)測計劃是根據(jù)預(yù)測目的而制定的預(yù)測方案，包括預(yù)測的內(nèi)容、項目，預(yù)測所需要的資料，準(zhǔn)備選用的預(yù)測方法，預(yù)測的進程和完成的時間以及預(yù)測的預(yù)算、組織實施等。只有目的明確、計劃科學(xué)的預(yù)測，才可保證預(yù)測的順利進行。

其次，建立新的神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測模型。經(jīng)過求增長率再進行歸一化的處理，在給出的以往的數(shù)據(jù)的增長率范圍內(nèi)，網(wǎng)絡(luò)就可能不再陷入訓(xùn)練“盲區(qū)”。.當(dāng)采用了足夠年限的已知數(shù)據(jù)并將其增長率歸一化以后，“被預(yù)測年”數(shù)據(jù)的增長率可能不再會大于那些“已知年”數(shù)據(jù)的增長率.則外延問題可以得到基本解決。

最后，對神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測結(jié)果進行檢驗，減小誤差。經(jīng)濟預(yù)測是立足于過去及現(xiàn)在的已知推測未來的未知，而過去和現(xiàn)在終歸不是未來，預(yù)測結(jié)果和未來實際值不可能絕對相符，存在的差異就是預(yù)測誤差。為了使預(yù)測誤差最小化，檢驗結(jié)果通過試探性的反復(fù)試驗來確定，預(yù)測準(zhǔn)確度應(yīng)盡可能進行外推檢驗。

三、總結(jié)

神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測的方法相對于其他的經(jīng)濟預(yù)測方法，具有獨特的、顯著的優(yōu)勢，我們可以利用好其優(yōu)勢，從而有助于我們更好的對經(jīng)濟發(fā)展進行預(yù)測分析，從而把握好經(jīng)濟發(fā)展動向，為經(jīng)濟決策提供依據(jù)。因此，我們應(yīng)當(dāng)根據(jù)社會發(fā)展需要，不斷改進神經(jīng)網(wǎng)絡(luò)經(jīng)濟預(yù)測方法的應(yīng)用，使其效能最優(yōu)化，為我國經(jīng)濟發(fā)展助力。

參考文獻：

[1]陳健，游瑋，田金信.應(yīng)用神經(jīng)網(wǎng)絡(luò)進行經(jīng)濟預(yù)測方法的改進[J].哈爾濱工業(yè)大學(xué)學(xué)報，2006（06）

[2]孫冰.人工神經(jīng)網(wǎng)絡(luò)在宏觀經(jīng)濟預(yù)測中的應(yīng)用[J].哈爾濱商業(yè)大學(xué)學(xué)報（社會科學(xué)版），2003（01）

[3]王悅.人工神經(jīng)網(wǎng)絡(luò)在經(jīng)濟預(yù)測中的應(yīng)用[J].價值工程，2007（05）