| 题名 | 基于神经元网络系统的短期经济景气预测 |
| 作者 | 张勤武 |
| 学位类别 | 工学硕士 |
| 答辩日期 | 1995-03-01 |
| 授予单位 | 中国科学院自动化研究所 |
| 授予地点 | 中国科学院自动化研究所 |
| 导师 | 何善堉 |
| 学位专业 | 控制理论与控制工程 |
| 中文摘要 | 经济发展周期波动的现象是普遍存在的，经济景气周期波动的分析和研究是近年 来得到迅速发展的一个课题。正确认识经济景气周期波动的规律，从而正确地预测经济 景气周期的波动趋势，对于政府及时准确地调整经济政策是非常重要的。 传统的经济预测大多是建立在数学模型基础上的回归预测，但由于经济指标间的 高度非线性及经济波动的不规则性，预测结果往往不太理想。近年来，神经网络开始用 于经济景气的预测并取得了较好的预测结果。本文在前人工作的基础上，进一步改进和 完善了基于神经元网络的经济景气预测方法。其主要改进有： 1．提出了基于特征点提取的预测方法，即重点突出那些波动比较异常的峰谷点， 赋予该区间以较大的权值，从而较好地学习和记忆这些特征点，从而达到预测异常经济 波动的目的。 2针对学习效果好但预测效果差的现象，采出了边学习边预测的学习方法，只有 当学习误差和预测误差之和达到最小时，才终止学习，这样建立的神经网络具有较好的 预测功能。 3．为更好的突出当前的经济状态对以后经济波动的影响，采用了突出当前经济指 标样本，减小乃至遗忘过去样本的学习方法，这样建立的预测网络具有较好的适应性。 通过以上的改进，我们的神经元网络预测达到了很好的预测结果，神经网络预测 结果显示在1981．01-1994．09的学习及预测区间上，关于CI指数的预测误差平均小于4％。 同时，本人在采用以上方法的基础上，完成了基于神经元网络经济景气指数预测的软件 系统，具有较高的参考实用价值。 另一方面，由于我国步入正常经济轨道的时间较短，供神经元网络系统训练的样 本太少，同时由于我国经济发展受政策影响较大的原因，以及实验条件的限制，我们的 预测网络还不能达到完全实用的程度。但我们有理由相信，随着我国经济发展的正常化 及神经元网络预测方法的改进，基于神经元网络系统的经济景气预测必将取得令人满意 的效果并将开始其实用阶段。 |
| 语种 | 中文 |
| 其他标识符 | 355 |
| 内容类型 | 学位论文 |
| 源URL | [http://ir.ia.ac.cn/handle/173211/7130]  |
| 专题 | 毕业生_硕士学位论文 |
| 推荐引用方式 GB/T 7714 | 张勤武. 基于神经元网络系统的短期经济景气预测[D]. 中国科学院自动化研究所. 中国科学院自动化研究所. 1995. |
| 个性服务 |
| 查看访问统计 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论