基于bp神經(jīng)網(wǎng)絡等多方法的地區(qū)gdp數(shù)據(jù)質(zhì)量評估與預警研究(編輯修改稿)
2025-07-17 12:28 本頁面
【文章內(nèi)容簡介】 江西預測值實際值預測值實際值預測值實際值預測值實際值1511 522 658 429 1811 620 664 479 2197 785 801 573 3520 2770 14301128 1660 1037 660 723 3860 3845 20201676 1870 1320 770 948 4650 4953 29802146 2090 1811 940 1170 4950 5884 36202560 2510 2093 1150 1410 5650 6537 37402975 2670 2347 1360 1606 6470 7021 39403287 2860 2543 1570 1720 7350 7494 40603550 3000 2712 1720 1854 8200 8337 40203765 3140 2902 1820 2003 9400 9195 40304073 3300 3247 1960 2176 10620 10276 42704468 3640 3520 2110 2450 12520 12078 48104984 3850 3923 2320 2807 15310 15022 54605763 4270 4759 2640 3457 19350 18367 64906569 5160 5350 3110 4057 23500 21900 74807584 5640 6113 3870 4821 26380 25777 84109249 6610 7361 4570 5800 28760 30933 1047010823 8200 8852 5590 6971 32040 33897 1216012237 10180 10063 6970 7655 40850 39170 1259014737 12220 12359 8420 9451 受數(shù)據(jù)樣本長度較小、試驗次數(shù)較少等情況所限，擬合效果并未達到最佳，但從預測結果與實際值的誤差情況看，預測效果較好，基本把握住了各地區(qū)20年以來GDP的總體變動趨勢。（二）ARIMA模型擬合預測方法介紹ARIMA （Autoregressive Integrated Moving Average Model）模型即差分自回歸移動平均模型，是一種常用的隨機時序模型，由博克思(Box)和詹金斯(Jenkins)于70年代初提出。ARIMA（p，d，q）模型中，AR是自回歸, p為自回歸項。 MA為移動平均，q為移動平均項數(shù)，d為時間序列成為平穩(wěn)時所做的差分次數(shù)。其一般的表達式為: ARIMA模型的基本思想是：將預測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機序列，即除去個別的因偶然原因引起的觀測值外, 時間序列是一組依賴于時間t 的隨機變量，可以用一定的數(shù)學模型進行近似描述。這組隨機變量所具有的自相關性體現(xiàn)了預測對象發(fā)展的延續(xù)性, 當這種趨勢被數(shù)學模型描述后, 就可以從時間序列的歷史數(shù)據(jù)預測其未來的值。數(shù)據(jù)的預處理本文選擇華東六省一市19902010年的地區(qū)GDP數(shù)據(jù)建立ARIMA模型。其中，變量JS、SD、JX、AH、FJ、ZJ、SH分別代表江蘇省、山東省、江西省、安徽省、福建省、浙江省和上海市的地區(qū)生產(chǎn)總值。由各地區(qū)GDP發(fā)展趨勢可以看出，各省市地區(qū)生產(chǎn)總值序列均具有上升趨勢，非水平平穩(wěn)。為消除異方差同時減小序列的波動，對序列JS、SD、JX、AH、FJ、ZJ、SH取自然對數(shù)，記作LJS、LSD、LJX、LAH、LFJ、LZJ、LSH。模型形式選擇通過對各地區(qū)GDP取對數(shù)序列繪制趨勢圖，可以發(fā)現(xiàn)取對數(shù)后各序列仍均具有很強的趨勢性，為非平穩(wěn)數(shù)列。對其進行一階逐期差分，差分后序列記作DLJS、DLSD、DLJX、DLAH、DLFJ、DLZJ、DLSH，再次繪制趨勢圖顯示各序列的趨勢基本消除，同時進行單位根檢驗，檢驗結果均拒絕原假設，序列平穩(wěn)，故取d=1。分別對序列DLJS、DLSD、DLJX、DLAH、DLFJ、DLZJ、DLSH作自相關（AC）和偏自相關(PAC)圖。以序列DLJS為例，由圖3可知，在時滯k=12以內(nèi)，序列DLJS的自相關圖和偏自相關圖均具結截尾性，滯后1期的自相關和偏自相關系數(shù)明顯不為0，因此可建立ARIMA模型，經(jīng)過反復計算篩選，最終取p=1,q=1，建立 ARIMA (1,1,1)模型。類似的，最終確定對序列DLSD、DLJX、DLAH、DLFJ、DLZJ、DLSH建立的模型分別為ARIMA(1,1,1)、ARIMA(1,1,2)、ARIMA(1,1,2)、ARIMA(1,1,2)、ARIMA(1,1,1)和ARIMA(1,1,2)。圖2 江蘇省DLJS序列的自相關和偏自相關分析圖ARIMA模型及檢驗建立的七個ARIMA模型分別為：；；；；；；研究計量模型的結果，各滯后多項式的倒數(shù)根都在單位圓內(nèi)，表明過程是平穩(wěn)的，也是可逆的。各項檢驗值良好，符合要求。通過自相關和偏自相關圖對各模型的殘差序列進行白噪聲檢驗，發(fā)現(xiàn)自相關和偏自相關系數(shù)均顯著不為0，認為殘差序列符合白噪聲假設。運用建立的ARIMA模型對各地區(qū)GDP序列進行擬合，得到結果見表3：表3 華東六省一市GDP數(shù)據(jù)ARIMA模型擬合結果（單位：億元） 上海江蘇浙江山東福建安徽江西1992年1081 1974 1298 2147 756 703 543 1993年1463 2984 1750 2644 1008 922 716 1994年1976 4094 2487 3473 1748 1380 937 1995年2484 5292 3370 5322 2314 1781 1221 1996年3076 6249 4331 6207 2509 2293
化學相關推薦
鄂ICP備17016276號-1