基于組合模型下企業生產總值預測

劉博瑞 韓天紅

摘 要：借助MATLAB軟件，運用BP神經網絡對阿拉爾的生產總值進行預測，得2017年和2018年生產總值的預測結果為275.8728億元和265.5376億元。為了檢驗預測結果，借助于MATLAB軟件，運用BP神經網絡對多元線性回歸模型進行殘差修正，建立多元線性回歸-BP神經網絡組合預測模型，得出新的預測結果。

關鍵詞：生產總值；組合模型；預測

一、研究背景

經濟影響著國民的生活，國家的發展，地區的穩定。在2014年4月27日至30日，中共中央總書記、國家主席習近平來到新疆考察，對加快新疆經濟社會發展、保障和改善民生、推進跨越式發展進行調研指導。國家領導人對新疆發展的重視，充分證明了新疆經濟發展的重要性。

作為新疆維吾爾自治區下的一個直轄市-阿拉爾市，在經濟、社會各方面的發展都處于上升趨勢。因此，對本地阿拉爾經濟方面進行宏觀研究并進行規劃是有必要的，不僅能對當地的經濟建設提供建設性意義，更能促進當地經濟又好又快發展，促進社會的和諧和人民的幸福，所以特選取阿拉爾歷年的生產總值數據及影響生產總值因素的數據對阿拉爾的生產總值進行預測。

二、數據來源及預備知識

1.數據來源

本著真實可靠原則，從阿拉爾統計局的統計年鑒上找出阿拉爾歷年生產總值、農業生產值、工業生產值、服務業生產值、建筑業生產值、固定資產投資、社會零售總額、進出口額的具體數據。

對數據進行預處理如下：

依圖1可知阿拉爾的生產總值由2006年的40多億元，上升到了2016年的270多億元，小有波動，但總體趨勢是上升的，未來經濟發展是有潛力的。

2.預備知識

（1）BP神經網絡，BP神經網絡是一種單向傳播的多層前饋網絡：

其中表示輸入值；表示權重；b表示閾值，y表示神經元的輸出。BP神經網絡由輸入層、隱層、輸出層構成，每一層由多個人工神經元組成，相鄰層各個神經元之間形成完全連接關系，而同一層內神經元之間沒有任何連接關系，前一層的輸出作為下一層神經元的輸入。n個輸入信號從輸入層進入網絡，經激勵函數變換后到達隱層，然后再激勵函數變換到輸入層構成m個輸出信號。

②多元線性回歸-BP神經網絡組合預測模型

模型建立的步驟為：

三、模型的建立與求解

1.BP神經網絡

將2006年到2014年的農業生產總值等7個指標作為輸入層，全年生產總額作為輸出層，2015年和2016年的全年生產總值作為測試數據，對阿拉爾市的全年生產總值進行預測。對輸入和輸出層數據進行歸一化，使網絡的學習速度加快，同時更容易收斂。神經網絡的最大訓練次數100，全局最小誤差為0.0004，根據確定隱含層的神經元個數為7，建立BP神經網絡模型，進行網絡訓練并仿真，預測得2017年和2018年全年生產總值分別為275.8728億元和265.5376億元，結果如圖：

2.多元回歸分析-BP神經網絡的組合模型

BP神經網絡的非線性、具監督學習、較好推廣能力等特性使其在社會經濟水平評價中具有廣泛前景。但是該算法對數據依賴性較強，為提高其預測精度，借助MATLAB軟件，運用多元回歸分析-BP神經網絡組合模型預測，得未來兩年阿拉爾生產總值分別為275.87億元和280.54億元，結果如圖：

四、主要結論

根據BP神經網絡預測，得2017年和2018年生產總值預測結果為275.8728億元和265.5376億元，可知經濟發展雖有增長，但有波動的風險。為了提高預測結果的精確度，使用了多元回歸分析-BP神經網絡組合模型進行預測，得未來兩年阿拉爾生產總值分別為275.62億元和280.31億元。

參考文獻：

[1]朱大奇，史慧.人工神經網絡原理及應用[M].北京：科學出版社，2006.

[2]劉博瑞.兩類時滯遞歸神經網絡的全局穩定性分析[D].中國海洋大學，2010.

[3]梁瓊.經濟預測中的神經網絡方法應用綜述[J].中國市場，2015（9）：25-25.