基于BP神经网络的安徽省GDP预测(3)

[1] 舒服华.基于EMD-ARMA的福建省GDP增长速度预测[J].三明学院学报,2018,(5):12-16.

[2] 冯金平,王伟,陈宇.我国GDP的多步预测研究-基于Kalman滤波和泰勒展开的结合[J].数学的实践与认识,2018, 40(11):51-56

[3] 刘迪,韩松岩,张师.基于BP神经网络的吉林省GDP预测研究[J].市场周刊,2018(1):17-18.

[4] 林琦.基于最小二乘支持向量机的福建省GDP预测研究[J].科学技术与工程,2009(22):32-34.

[5] 张雅清,罗洪林.马尔可夫链在中国各地区人均GDP预测中的应用[J]山西师范大学学报(自然科学版)，2006，20(2)：17-19.

[6] 舒服华.基于无偏差非齐次灰色模型的河北省GDP预测[J].衡水学院学报2018,20(3):38-43.

[7] 杨洪臣,党京,蔡能斌,等.BP神经网络车牌识别技术优化研究[J].中国刑警学院学报,2019(3):120-124.

[8] 姜浩博,李松,林驰, 等.基于BP神经网络防空反导指控网络抗毁性评估[J].火力与指挥控制,2019，44(8):65-70.

[9] 沈艺高.改进的粒子群BP神经网络算法在天气预测中的应用[J].计算机时代,2019(8):18-20.

[10] 吴丹,赵江.基于BP神经网络的人工智能对数字出版新业态的影响[J].教育现代化，2019(6):142-145.

国内生产总值(GDP)是衡量一个国家或地区经济实力和综合国力的重要指标。但一个国家或地区的经济发展好坏，不能仅看GDP，还要看GDP增长速度、全员劳动生产率、单位GDP消耗等。一个国家或地区的发达程度，更不能光看GDP，而还有要看人均GDP、居民人均收入、社会保障体系等。改革开放以来，我国经济经过持续高速发展，取得了举世夺目的成就，目前已成为全球第二大经济体，GDP位居世界第二。但我国人口众多，人均GDP不及世界平均水平，离西方发达国家还有很大的差距，仍然属于世界上最大的发展中国家，争取到本世纪中叶，基本达到中等发达国家水平。当前，我国经济发展速度有所放缓，这是符合经济发展客观规律的表现。一个国家或地区的经济不可能无限制地高速发展下去，到了一定的时期，必须会减速、消化、充实，积蓄能量，为后续的持续发展夯实基础。当前，我国经济进入新常态，发展速度从高速发展进入中高速发展，发展模式从注重速度转向速度和质量并重。今后我国经济工作的中心，要重点放在发展质量上，实现有效益的发展。研究GDP变化发展趋势，对制定经济产业发展规划，出台宏观调控政策，保持一定的经济发展速度，不断提高经济发展质量，促进国民经济又好又快发展具有重要意义。影响国内生产总值的因素较多，如投资、产业规模、产业结构、人口数量、人口结构、宏观经济政策、国内外经济环境等等。近些年，我国政局稳定，社会和谐，经济基本面呈现良好态势，各地固定资产投资稳步增加，产业结构不断完善，经济发展的内生动力增强，经济发展的韧性好，回旋余地大，经济抗外部干扰能力强，宏观调控政策基本保持连贯性和延续性，经济没有出现大起大落，而是保持平稳地发展，各地国内生产总值始终保持增长态势。国内学者对我国或地区国内生产总值进行了一些研究，主要方法为人工神经网络、支持向量机、卡尔曼滤波、灰色模型、ARMA模型、马尔科夫链[1-6]，大多是通过挖掘历史数据信息来实现的。ANN具有自学习、自组织、自适应等特点，属于机器学习和人工智能的范畴。BP神经网络(Back-Propagation Network) 是目前应用最为广泛的神经网络模型之一。BP神经网络实际上是一种反向传播网络，其基本特点是通过输人、输出模式映射将学习和反馈联系起来。首先采用某些规则进行学习，建立输人、输出初步映射关系，然后将映射关系效果反向传播(误差)，使网络各层的权重和阈值不断修正调整，最终使网络的映射关系达到在最佳。BP神经网络可用于时间序列的预测，既可用于短期预测，也可用于长期预测，尤其是对于单调性趋势的时间序列，有很好的预测效果[6]-[10]。本研究运用BP神经网络预测安徽省国内生产总值。1 BP神经网络基本原理BP神经网络由输入层、隐含层、输出层构成。输入层用于输入一个或多个变量，输出层输出用户想得到的变量，可以是一个和多个，隐含层在输入层和输出层起桥梁作用，用于传送和反馈信息，输入层与隐含层、隐含层与输出层用权重连接。隐含层可以为多层，隐含层节点一般为多个，具体根据实际情况而定。BP神经网络学习训练包括两个部分，即信号前向传播；误差向后反馈。以最简单的3层BP神经网络为例，其网络结构如图1所示。图1 BP神经网络结构示意图假设输入层有n个变量，它们组成向量X=(x1，x2，…，xn)T，输出层有m个变量，它们组成向量Y=(y1，y2，…，ym)T，隐含层节点数为p，构成节点向量H=(h1，h2，…，hp)T，输出层神经元p的输入为hk，输出为yk，隐含层神经元hj与输入层神经元i的连接权重为wij，隐含层神经元hj与输入层神经k的连接权重为wji。信号前向传播过程指输入信号依次经过输入层、隐藏层、输出层，通过一系列的运算后得到输出结果的过程。对于输出层，则有：hk=∑iwijhi(1)yk=f(hk)(2)式中，f(·)为激活函数，一般选择sigmoid函数为激活函数，sigmoid函数的定义为：对于隐含层，则有：hi=∑iwjihi(3)yi=f(hi)(4)误差反向传播过程是指通过判断实际值与输出值的误差，将误差反馈给输出层、隐含层、输入层，逐次调整优化隐含层与输入层和输出层连接的权重和阈值，直到满足精度要求或达到迭代次数为止。模型的目标函数以样本总方差最小为尺度，即：(5)式中，ynk输出层第k个神经元的期望输出，输出层第k个神经元的实际输出。当BP神经网络用于时间序列预测时，输入层和输出层神经元个数为1，其原理就是运用样本采用BP神经网络算法构建一个非线性、高维度的映射函数，然后通过该模型对时间序列下一时间段的发展趋势进行估计。2 安徽省GDP预测安徽省位于华东，东连江苏、浙江，西接河南、湖北，南邻江西，北靠山东，面积14万多平方公里，人口6000多万。内拥长江水道，外承沿海地区经济辐射，拥有八百里的沿江城市群和皖江经济带。改革开放以来，特别是在国家实施中部崛起战略以来，安徽抓住契机，大力实施 “三重一创”的发展战略。作为劳动力大省，劳动力资源丰富，积极承接来自珠三角、长三角地区的产业转移，同时，积极发展新兴战略性产业。目前，基本形成了门类齐全的现代工业体系，经济发展取得了可喜的成绩，2018年GDP突破3万亿元大关，增速8.02%，远高于全国水平。图2为2000-2018年安徽省国内生产总值统计数据(数据来源于2000-2018年安徽省国民经济和社会发展统计公报)。图2 安徽省国内生产总值统计数据运用BP神经网络预测安徽省的GDP，实际上输入、输出变量只有一个。将输入变量设定为2000- 2018年份期数，即：X(i)=[1，2，3，4，5，6，7，8，9，10，11，12，13，14，15，16，17，18，19]。则输出变量为2000- 2018年安徽省GDP实际值，即：Y(i)=[3030，3290.1，3569.0，3973.2，4812.7，5375.8，6141.9，7345.7，8874.2，.9，.4，.3，.1，.3，.7，.6，.9，.0，.8]。构造一个3层的BP神经网络，网络参数设定为：隐含层节点数设为15，目标误差为1e-3，最大迭代次数为1000。用X(i)和Y(i)对网络进行学习训练，模型在迭代1000次后收敛，网络迭代步数与目标函数的关系如图3所示。所构建的BP神经网络的具体参数形式如图4所示。BP神经网络经过学习训练，拟合结果如表1所示。从表1可见，网络有较好的拟合精度，平均拟合误差为2.3683%，近期误差更小，2018年的拟合误差仅为-1.%，而近期误差是衡量模型优劣的重要标准。表明网络所表达出的输入与输出的映射关系较为精准。图3 BP网络迭代步数与目标函数的关系图4 BP神经网络形式表1 网络拟合结果与误差年份实际值(亿元)拟合值(亿元)拟合误差(%)年份实际值(亿元)拟合值(亿元)拟合误差(%).....110-1.3..7816.81..770-2.2...490-1.5..6922.15....7502.35.....1501.平均拟合误差(%)2.3683拟合曲线如图5所示，两条曲线很接近，几乎重合，说明输网络的泛化能力很强。图5 网络拟合曲线运用训练好的网络对安徽省2019-2023年的GDP进行预测，即将X(k)=[20，21，22，23，24]，输入到构建的网络中，求输出Y(k)，结果为：Y(k)=[.6571，.4117，.3538，.3910，.4605]。预测曲线如图6所示。从图6可以看出，预测曲线与实际曲线走势一致。目前，安徽省经济正在实现弯道超车，后来居上，今后GDP增速较快，表明预测值有较高的可信度。图6 网络预测曲线3 结语要实现到本世纪中期把我国建设成为社会主义现代化强国的宏伟目标，实现中华民族伟大的复兴梦，在今后很长一段时间内，我国经济必须保持一定速度的发展。发展是硬道理，是解决一切问题的钥匙，但要把发展速度和发展质量有机统一起来。没有发展速度，发展质量就无从谈起，就会成为无源之水，无本之木；没有发展质量，再快的发展速度也不能真正给社会带来的财富，发展速度只会是徒有其表，徒劳无益。因此，各地政府部门要深刻领会发展质量的重要性，在保证发展质量的前提下，兼顾发展速度。GDP的重要性固然不言而喻，但我们不惟GDP，不以GDP论英雄。那种以牺牲环境，靠掠夺资源，欠账借债换来的GDP，是不光彩的GDP，不仅不会给老百姓带来福祉，而且会损害当代人和后代人的切身利益。在GDP上弄虚作假，注水做手脚，更是卑劣可耻的行径，祸国殃民。我们需要GDP，但更需要有温度的GDP，过硬的GDP，接地气的GDP。要实现这一目标，就要下决心提高经济发展的质量，积极谋求产业转型升级，优化资源配置，使我国产业从产业链低端迈向产业链高端，从价值链低端迈向价值链高端，提高劳动生产率，降低劳动生产消耗，节约利用资源资源，保护生态环境，促进物质文明、精神文明、生态文明协调发展，让GDP真正给老百姓带来看得见、摸得着的实惠，增强人民的获得感、幸福感、安全感。BP神经网络主要通过Sigmoid可微函数来表达信息输入、输出的非线性映射。它不需要精确的数学表达式作依托，只需要输入数据和输出数据样本，就可以在输入、输出之间构建起一个非线性映射关系，并具有信息反馈功能。通过拟合效果反馈使系统一步一步优化，逐步精细化误差，理论上，能以任何精度来逼近任何一个复杂的映射关系。网络模型建立完成后，只需输入待决策的数据就可以得到想要的输出结果，且操作简单易行，有很强的泛化能力和很高的拟合精度，广泛应用于函数逼近、模式识别、分类、数据压缩等领域。运用BP神经网络对安徽省国内生产总值进行了预测，模型有很强的拟合能力，平均拟合误差为2.3683%，根据模型得到了2019-2023年GDP的预测值，预测2022年安徽省的GDP将破4万亿元大关。[参 考 文 献][1] 舒服华.基于EMD-ARMA的福建省GDP增长速度预测[J].三明学院学报,2018,(5):12-16.[2] 冯金平,王伟,陈宇.我国GDP的多步预测研究-基于Kalman滤波和泰勒展开的结合[J].数学的实践与认识,2018, 40(11):51-56[3] 刘迪,韩松岩,张师.基于BP神经网络的吉林省GDP预测研究[J].市场周刊,2018(1):17-18.[4] 林琦.基于最小二乘支持向量机的福建省GDP预测研究[J].科学技术与工程,2009(22):32-34.[5] 张雅清,罗洪林.马尔可夫链在中国各地区人均GDP预测中的应用[J]山西师范大学学报(自然科学版)，2006，20(2)：17-19.[6] 舒服华.基于无偏差非齐次灰色模型的河北省GDP预测[J].衡水学院学报2018,20(3):38-43.[7] 杨洪臣,党京,蔡能斌,等.BP神经网络车牌识别技术优化研究[J].中国刑警学院学报,2019(3):120-124.[8] 姜浩博,李松,林驰, 等.基于BP神经网络防空反导指控网络抗毁性评估[J].火力与指挥控制,2019，44(8):65-70.[9] 沈艺高.改进的粒子群BP神经网络算法在天气预测中的应用[J].计算机时代,2019(8):18-20.[10] 吴丹,赵江.基于BP神经网络的人工智能对数字出版新业态的影响[J].教育现代化，2019(6):142-145.

文章来源：《安徽农学通报》 网址: http://www.ahnxtbzz.cn/qikandaodu/2020/1117/418.html