山东大学
硕士学位论文
基于人工神经网络的我国宏观经济预测研究
姓名：王钦波
申请学位级别：硕士
专业：政治经济学
指导教师：魏建
20060916
原创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独
立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不
包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研
究作出重要贡献的个人和集体，均己在文中以明确方式标明。本人完
全意识到本声明的法律责任由本人承担。
论文作者签名：玉筮堡Et
关于学位论文使用授权的声明
本人完全了解山东大学有关保留、使用学位论文的规定，同意学
校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论
文被查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分
内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段
保存论文和汇编本学位论文。
(保密论文在解密后应遵守此规定)
论文作者签名：垂熟碴导师签名： 扭耋日期： 迎墨￡兰。／
山东大学硕士学位论文
摘要
宏观经济形势是一个国家和地区经济情况的总体表现。无论是国家进行宏观
调控还是个人进行投资决策，都要对宏观经济形势作出预测。人们进行经济预测
就是要依据历史资料和现状，按照一定的理论及方法，对事物的发展趋势进行推
断。现有的预测方法中，时间序列预测和回归预测是两种最常用的统计方法．而
宏观经济系统是非线性系统，所处环境不断变化，附加性干扰因素直接作用于宏
观经济系统的运行过程，对预测结果有很大影响，宏观经济建模所需的历史资料
不稳定、不明确、不完整，这就使得利用传统的预测方法解决这类问题十分困难。
针对宏观经济预测的多变量、非线性特点，本文提出了应用人工神经网络进行预
测。
人工神经网络是一种基于生理学的智能模型，它模拟人类大脑的思维能力，
通过对大量个例的不断学习、回忆、归纳及整理，从而找到一定的规律。它具有
大规模并行运算、非线性处理、自组织、自学习与自适应的能力。自从Lapedest
和Farber首先应用人工神经网络进行预测开始，国内外专家学者不断将其与经济
学结合，应用于宏观经济预测、企业经济战略预测、证券市场预测等领域。
本文利用人工神经网络建立我国经济预测模型，对宏观经济形势进行预测。
在建立我国宏观经济形势预测模型时，我们利用第n年的最终消费、固定资产形
成总额、货物和服务净出口来预测第n+1年的国内生产总值(GDP)。这样，人们
在第n年末即可预知第n+1年的国内生产总值，从而判断经济形势，进而作出最
优的经济决策。建模和网络训练利用VC++6．0编程实现，利用粒子群优化算法
优化神经网络模型的权值和阈值，以得到接近实际数据的预测数据。相关数据的
验证结果令人满意，这表明文中提出的经济预测方法合理可行。。
本文的创新之处主要有以下四点：第一，用第n年的最终消费、固定资产形
成总额、货物和服务净出口，预测第n+1年的国内生产总值，进而判断宏观经济
走势。这样，宏观经济预测变得更易操作、简便、智能化、效率高。第二，利用
人工神经网络建立我国宏观经济预测模型，把经济学与智能计算有机结合起来。
第三，利用粒子群优化算法优化神经网络模型的权值和阈值。它简单容易实现同
时又有深刻的智能背景，非常适合解决实际问题。第四，利用vc++6．0编写，
较经济分析中常用的MATLAB、TSP、EVIEW等统计软件或计量工具，效率高，自由
度大，灵活性好，分析问题的针对性强。
关键词：人工神经网络、经济预测、粒子群优化算法、支出法GDP
山东大学硕士学位论文
ABSTRACT
Macroeconomy system represents the comprehensive economic status
in a countryor an area．The macroeconomy position need to be predicted
when the nation adjusts and controls the economy and the individuals
make policy to invest．Prediction is needed to be made at first，which
means making the judgment for the trend of the matter through theory
and certain methods according to historical records and current
conditions．Among the current prediction methods，the most common
statistics methods are time—sequencing and return predictions．And
macroeconomy is a nonlinear system, whose situation keeps
changing．Besides．additional interference factors have direct effects
on the operation of macroeconomy systems，greatly influencing the
prediction results．it is necessary to solve such problems by using
the traditional prediction methods． Because the prediction of
Macroeconomy is a multi—variables and non—linearity question，in this
paper，artificial Neural networks are applied to predict the
macroeconomy．
The ANN is an intellective model based on the physiology．It
simulates the thinking ability of human’s cerebrums to find the rules
by continuous learning，memorying，induceing and fixing of generous
cases．The ANN has the ability of collateral operation，non—linearity
processing，self-organizing，self-learning and self-adaptation．Since
Lapedest and Farber used the ANN to predict firstly．the experts of the
inland and overseas continually conjoin it and economics to predict
the macroeconomy，strategic economy and stock market and so on．
In this paper，we found an artificial neural network model to
predict our national macroeconomy position．We use the nth year’s
final consumption expenditure，total capital formation and net export
of goods and services to predict the next year’s GDP．Therefore，in the
end of the nth year，the people could predict the next year’s GDP，so
they could estimate the economy position and make the best economy
decision．We use VC++6．O to program to realize the model．In the course
——2——
山东大学硕士学位论文
of the foundation of ANN model，the PSO optimization algorithm is used
to optimize the weights and thresholds of the ANN model．From the
calculation of some related sample data，we can obtain a satisfactory
result．This shows the proposed method is effective in forecasting
economy position．
The paper has four innovations．Firstly，we use the nth year’S
final consumption expenditure，total capital formation and net export
of goods and services to predict the next year’S GDP．Therefore，the
people could estimate the economy position and the macroeconomy
prediction is more easier and intelligent and efficient．Secondly，we
use the artificial neural network to found our national macroeconomy
prediction model，SO we unite the economics and the computation
intelligence．Thirdly，we use the PSO optimization algorithm to
optimize the weights and thresholds of the ANN model．The realization
of the PSO optimization algorithm is easy and the PSO has profound
intelligent background，SO it is very fit to resolve the actual
problems．Fourthly．vc++6．0 is used to program to realize the model and
VC++6．0 is more efficient，flexible and strong pertinency than
statistic software or measure tools such as MATLAB。TSP and EVIEW which
are often used in economy analysis．
Koywords：Artificial Neural Network(ANN)：economy prediction
Particle Swarm Optimizer(PSO)：expenditure Approach GDP
一3一
山东大学硕士学位论文
第一章引言
1．1研究背景
恩格斯说：“社会力量完全像自然力一样，在我们还没有认识和考虑它们的时
候，起着盲目的、强制的和破坏的作用。但是，一旦我们认识了它们，理解了它
们的活动、方向和影响，那么，要使它们愈来愈服从我们的意志并利用它们来达
到我们的目的，这就完全取决于我们了。”经济预测起着帮助我们认识、了解、掌
握和控制我们所处经济系统的重要作用。‘中共中央关于经济体制改革的决定》指
出：“改革计划方法，充分重视经济信息和预测，提高计划的科学性。”这充分肯
定了宏观经济预测对掌握经济发展趋势，加强政府宏观调控的指导作用．正所谓
“凡是预则立，不预则废”．社会主义市场经济条件下，怎样根据相关经济指标较
准确、合理地预测宏观经济形势，以便人们及时准确地掌握我国的宏观经济走势。
国家、企业、个人等均可根据宏观经济走势，作出合理化决策，实现经济决策最
优化。
在宏观经济预测分析中，我们普遍采用的是在数学建模的基础上利用回归分
析等方法进行拟和，分析和预测相关的经济指标。而人工神经网络模型比传统的
多元回归预测方法具有更好的拟和能力和准确度。人工神经网络是一种基于生理
学的智能仿生模型，它模拟人类大脑的思维能力，通过对大量个例的不断学习、
回忆、归纳及整理，从中找到规律性的东西。它具有大规模并行运算、非线性处
理、自组织、自学习与自适应的能力。自从Lapedest和Farber首先应用人工神
经网络进行预测开始，国内外专家学者不断将其与经济学结合，应用于宏观经济
预测、企业经济战略预测、证券市场预测等领域。本文利用人工神经网络建立我
国经济预测模型，对宏观经济形势进行预测。在建模的过程中利用粒子群优化算
法优化神经网络模型的权值和阈值，使模型预测的数据更接近实际数据。
1．2经济预测现状
经济预测是--H新兴的实用性很强的学科，大到世界、全国、小至各地区、
各部门、各企业，都需要进行各方面的预测。目前⋯，世界各国有几千家专业的预
测咨询机构。其中以美国最多，有数百家；只本次之，也有数百家；德国、意大
利等都有几十家。世界著名的预测机构有：美国的兰德公司(Researching and
developing即Rand)、斯坦福国际咨询研究所、胡佛研究会、布鲁金斯学会、日
本野村综合研究所、人类2000年国际协会、世界未来学会、伦敦国际战略研究所、
山东大学硕士学位论文
设在奥地利的由美俄等12国组成的国际应用系统分析研究所等。仅经常公布预测
数字的专业预测咨询机构就有300多所，从业人员有几十万。就我国情况看，自
上世纪50、60年代初有零星经济预测，之后停止，直到80年代才逐渐发展起来。
现有中国预测研究会、中国系统工程学会、中国数量经济学会、中国投入产出学
会等。还有一些政府机构和组织在研究预测问题，像国家信息中心的经济预测部、
国务院发展中心的区域经济和发展战略研究部、国家发展和改革委员会的综合司
及预测处、国家统计局的研究所、中国社会科院的相关研究所，等等。
在进行经济预测过程中，经济学家们不断探索和发展新的经济预测理论和假
设条件更为宽松的预测评估方法，用尽可能“完美”的预测模型简化预测过程和
提高预测的准确度。按照对数据信息和预测者主观判断的依赖程度，分为不依赖
主观判断的定量预测法、完全依赖主观判断的定性预测法和既依赖数据又依赖主
观判断的半定量预测法三大类。回归方法、时间序列模型方法、组合模型方法、
ARCH模型、ASPEN模型(a smart agent—based economics model)等方法应用于
经济预测领域。当前，许多专业预测部门和国家的相关的部门仍广泛采用上述的
方法对我国的宏观经济形势进行预测。还有，许多仍以定性分析为主，分析短期
一内各需求要素的增长前景，进而对宏观经济走势作出判断。自1987年Lapedes
等人首先将人工神经网络应用于预测，实现了人工神经网络与经济学的有机结合．
由于人工神经网络具有大规模并行处理、容错性、自适应和联想功能强等特点，
将其应用于经济预测领域成为研究的热点。Werbos、Varfis分别对实际的经济时
间序列资料进行了预测研究。Weigend等人将神经网络与回归方法作了比较，表
明了神经网络预测优于统计预测。随后，人工神经网络不断应用于证券预测分析、
企业经济战略预测、经济理论创新、宏观经济预测预警等研究中，都得到了较好
的效果。我国学术界在80年代中期开始关注人工神经网络的应用，中科院生物物
理所汪云九等科学家起到先导的作用，北京大学非线性研究中心1988年9月发起
举办了Beijing International Workshop on Neural Networks：Learning and
Recognition，a Modern Approach．在会上，INNS秘书长Szu博士在会议期间作
了神经网络系列讲座。从此，我国的许多数学家、计算机科学家和经济学家开始
对这一领域产生兴趣，开展了一系列的研究工作。北京大学许月卿博士提出了中
国经济发展水平区域差异的人工神经网络判定模型，东北电力学院唐丽艳将人工
神经网络应用于企业综合经济效益评估，东南大学王文平提出应用人工神经网络
建立税收年度预警系统等等。王悦的人工神经网络在经济预测中的应用一文，证
明人工神经网络预测方法明显优于灰色预测系统中的预测方法。孙冰的人工神经
网络在经济预测中的应用一文，对用人工神经网络模型预测的结果和用拟合多项
式预测的结果进行了对比分析，结果证明使用神经网络对宏观经济进行预测只需
山东大学硕士学位论文
少量训练样本，就可以确定网络的权值和阈值，计算简单、快捷、可靠，模拟预测精
度较高。重庆大学优秀硕士论文人工神经网络在宏观经济预测中的研究，对神经
网络强大的网络学习和函数拟合能力，非线性求解能力进行了详细阐述，并利用
其对宏观经济指针进行预测，得到了很好的效果。中国社会科学院优秀硕士论文
我国宏观经济的预测检验和分析，对我国宏观经济预测的方法进行了全面回顾和
比较，也着重介绍了人工神经网络方法。2004年，汪劲“1利用人工神经网络构造
了我国宏观经济预测模型，将其与多元线性回归方法建立的模型进行比较，再次
证明人工神经网络比传统的多元回归预测方法有更好的拟合能力和准确度。本文
正是基于前辈们研究成果的基础上，提出了我国宏观经济预测模型。随着，经济
理论的不断创新和计算机技术的不断发展，人工神经网络在经济预测领域应用的
空间将越来越大。
1．3论文的主要内容
本文对我国宏观经济形势进行预测分析，以经济学和哲学基本理论为指导，
从中国特色社会主义市场经济实际出发，以定量经济预测分析方法为主，定性经
济预测方法为辅，利用人工神经网络进行建模，进而判断宏观经济走势。
本文首先介绍经济预测理论和方法方面的知识，然后介绍人工神经网络和神
经网络优化算法方面的知识，最后根据我国宏观经济的特点，选定建模的经济参
数，利用人工神经网络建立宏观经济形势预测模型。大家都知道，经济增长是由
供给和需求两方面的共同增长决定的。一般来说，供给能力的提高是决定经济长
期增长的主要因素，它的变化相对温和，导致经济短期波动的往往是一些需求性
因素。因此，我们在进行经济分析时，常常是对消费、投资、出口这三大需求进
行分析，作为预测经济走势的主要依据。对我国的具体实际来说，三大需求中，
消费一直占据主体地位，随着社会主义市场经济体制的进一步完善和经济全球化
的发展，投资和进出口对经济增长的贡献也越来越明显。因此，在建立我国宏观
经济形势预测模型时，我们利用第n年的最终消费、固定资产形成总额、货物和
服务净出口来预测第n+1年的国内生产总值(GDP)。这样，人们在第n年末即可
预知第n+1年的国内生产总值，从而判断经济形势，进而作出最优的经济决策。
在建模和网络训练利用Vc++6．0编程实现，利用粒子群优化算法优化神经网络
模型的权值和阈值，以得到接近实际数据预测的数据。相关数据的验证结果令人
满意，这表明文中提出的经济预测方法合理可行。
1．4论文的创新之处
第一，用第n年的最终消费、固定资产形成总额、货物和服务净出口，预测第
山东大学硕士学位论文
n+1年的国内生产总值，进而判断宏观经济走势。这样，宏观经济预测变得更易操
作、简便、客观、智能化、效率高。
第二，利用人工神经网络建立我国宏观经济预测模型，把经济学与智能计算有
机结合起来，将推动经济学和计算机交叉学科的发展。
第三，利用粒子群优化算法优化神经网络模型的权值和闽值。BP网络收敛缓慢
和易陷入局部最优陷阱，遗传算法需要交叉和变异操作，粒子群优化算法是一种基
于群体的优化工具，粒子在解空间追随最优的粒子进行搜索，通过迭代搜寻最优值。
它简单容易实现同时又有深刻的智能背景，非常适合解决各种实际的应用问题。
第四，利用Vc++6．0编写，较经济分析中常用的MATLAB，TSP，EvIEW等统计
软件或计量工具，效率高，自由度大，灵活性好，分析问题的针对性强。
山东大学硕士学位论文
第二章经济预测理论和方法
经济预测是在一定的经济理论指导下，以经济发展的历史和现状为出发点，以
现实资料(包括统计资料和调查资料等)为依据，在对经济过程进行充分的定性分
析和严格的定量分析的基础上，对经济发展的未来情况做出科学的推测。’。经济预
测理论，是根据对经济现象发展变化规律性的认识，研究从已知事件测定未知事件
的方法论。经济预测理论，是在经济预测实践过程中产生和发展起来的，是经济预
测实践经验的科学概括，反过来又要应用到经济实践中去，指导实践，为实践服务，
接受实践的检验，从而使经济预测理论得到丰富和发展。
2．1经济预测发展史
经济预测是对经济现象未来发展前景的测定，经济预测理论已有近百年的历
史。19世纪末到20世纪初，资本主义经济危机加深，为了摆脱危机，人们发展了
经济预测理论并将数学方法、统计方法应用到经济预测中。二战以后，计量经济
学、运筹学、信息论、系统论、控制论和计算机技术的应用和发展，并且70年代
又出现了经济预测方法数学化、模型化、计算机化的热潮，定量预测理论得到了
很大的丰富和发展。从总体上讲，经济预测活动发展的过程呈现出波浪式前进、
螺旋式上升的特征。我国的经济预测工作是党的十一届三中全会以后，根据改革
发展的需要逐步展开发展起来的。像国家信息中心的经济预测部、国务院发展中
心的区域经济和发展战略研究部、国家发展和改革委员会的综合司及预测处、国
家统计局的研究所、中国社会科院的相关研究所，等等。还有一些进行经济预测
的学术机构，如中国预测研究会、中国系统工程学会、中国数量经济学会、中国
投入产出学会等。科学的经济预测对推动我国国民经济发展起到了非常重要的作
用。
2．2经济预测发展特点“1
第一，从预测的空间看，早期的经济预测以微观为主，后来发展到在宏观预
测背景下，进行中观与微观预测。
第二，从预测的时间角度看，早期预测是短期预测，后来以中期预测为主，
辅之以长期预测和短期预测。
第三，从经济预测的主体看，一丌始以非专业预测为主，后来专业预测越来
越多，目前是专业与非专业预测并举。
山东大学硕士学位论文
第四，从经济预测理论基础看，早期经济预测的指导理论是分散的，后来逐
渐统一和集中，并趋向于多元化，经历了从无体系到有体系再到多元化的过程。
第五，从经济预测方法看，早期的经济预测方法较为简单和朴素，后来发展
到特别注重数学方法，但现在开始认识到，在同样的条件下，方法往往越简单越
好。本论文所做的我国宏观经济预测，就是力求用最简单的模型来做出较准确的
预测。
第六，从经济预测资料来看，早期经济预测用到的资料往往没有统一的核算
体系，现在已经有了统一的核算体系。现在，许多统计数据可以通过中宏网、国
研网、统计年鉴等途径方便得到。
第七，从经济预测工具来看，早期经济预测往往使用手工计算，计算机的发
明给经济预测带来了工具上的革命，现在经济预测已经普遍使用各种规格的计算
机进行操作。本论文就是利用计算机实现数据处理，在vc++6．0软件环境下，编
写程序将我们建立的宏观经济预测模型转化成计算机可以执行的程序。
第八，从经济预测的中心区域来看，在过去?欧洲是经济预测的中心，后来
日本因为有独到的预测方法，对世界经济的发展产生了重要的影响，亚洲与欧洲
，开始齐头并进。
2．3经济预测的分类啪
经济预测根据研究任务的不同，按照不同标准可以有不同的分类。常有的有
以下几种分类。
第一。按预测涉及的范围不同，可分为宏观经济预测和微观经济预测。宏观
经济预测，是指以国民经济、部门、地区的经济活动为范围进行的各种经济预测。
微观经济预测，是指以基层单位的经济活动为范围进行的各种经济预测。本论文
做的工作就是对我国国民经济发展进行宏观经济预测。
第二，按预测的时间长短可分为长期、中期和短期经济预测。长期经济预测，
是指对5年以上经济发展前景的预测。中期经济预测，是指对1年以上5年以下
经济发展前景的预测。短期经济预测，是指对1年以下经济发展前景的预测。本
论文所做的我国宏观经济预测属于短期经济预测范畴。
第三，按预测方法的性质不同，可分为定性经济预测和定量经济预测。定性
经济预测，是指预测者通过调查研究，了解实际情况，凭自己的实践经验和理论、
业务水平，对经济现象发展前景的性质、方向和程度作出判读进行预测的方法。
定量经济预测，是指根据准确、及时、系统、全面的调查统计资料和经济信息，
运用统计方法和数学模型，对经济现象未来发展的规模、水平，速度和比例关系
的测定。
山东大学硕士学位论文
2．4经济预测的方法脚
常用的经济预测方法，可分为不依赖主观判断的定量预测法、完全依赖主观
判断的定性预测法和既依赖数据又依赖主观判断的半定量预测法三大类。常用的
经济预测方法如下：
第一，定量预测方法
情景分析法
r移动平均法
I指数平滑法
时同序歹H分析法气季节系数法
l Boz-J'onkins法
f回归分析法
j
因果关系分析、经济计量模型法
l
L灰色系统模型；去
其他，如神经网络模型，模糊法等
第二，定性顼测方法l判断预测法
I市场调查法
r专家评估法
L类推法
图2—1常用经济预测方法
2．4．1神经网络模型在预测领域的运用
人工神经网络同现行的计算机不同，是一种非线性的处理单元。只有当神经
元对所有的输入信号的综合处理结果超过某一门限值后才输出一个信号。因此神
经网络是一种具有高度非线性的超大规模连续时间动力学系统。它突破了传统的
以线性处理为基础的数字电子计算机的局限，标志着人们智能信息处理能力和模
拟人脑智能行为能力的一大飞跃。A．Lapedes和R．Farber利用神经网络模型去预
测两个无序的时间序列，结果表明神经网络模型能学习模仿这类非线性系统，且与
山东大学硕士学位论文
传统方法相比，神经网络模型能得到很高的预测精度。2．Tang等人用不同的数据将
神经网络模型与Box—Jenkins模型进行了比较，结果发现神经网络模型要优于
Box—Jenkins模型。还有许多学者利用神经网络模型来进行预测问题的研究，大多
数结果都表明神经网络模型在解决非线性问题上优于传统的预测方法。
2．4．2两种经济预测方法比较
L经济计量学是以经济理论和事实为依据在定性分析的基础上，用数学模型
方法定量描述具有随机性特征的经济变量数量关系和经济活动规律的应用经济学
学科，即用数学模型方法对经济问题进行探讨、分析和预测。随着经济计量学的
发展，经济计量模型方法逐渐成为进行经济预测的一种主流方法。
2．近年来，神经网络模型作为一种非线性模型被用来研究预测问题，由于其
自身的特性，神经网络模型属于数据驱动的方法。目前，神经元网络模型已成功地
应用于许多领域，诸如经济预测、财政分析、贷款抵押评估和破产预测许多经济领
域。将神经元网络应用于预测领域，分为直接预测和非直接预测。
3．在用经济计量方法探讨变量之间的数量关系时，首先要对所研究的经济问
题，构造出它的数学模型。经济计量模型是反映一定经济理论结构，揭示各项主
要经济因素的内在联系，从数量上说明某项或某些因素的变化对另一些因素的影
响程度的数学方程。进行建模预测时候存在一些问题，一是模型的数学函数形式
有时很难描述；二是模型中参数的正负符号和大小做出的估计未必符合模型需要；
三是对参数的理论期望值估计未必准确等等。人工神经网络模型，是一种近乎“黑
箱”的操作，只需要利用历史数据训练网络，具体变量之间的函数表达关系我们
不需要知道。特别是本文所要做的预测，第n+1年的GPD与第n年的消费、投资、
净出口之间很难用数学函数形式表达。因此，我们撇弃了经济计量模型建模方法，
而是采用人工神经网络进行建模．
2．5经济预测结果的客观质量评价
所谓客观质量主要是指把经济预测的结果值与实际值相比较，产生的误差的
大小即经济预测的准确程度。另外，它还指经济预测过程是否科学地进行，这是
一中验后质量检验。狭义的预测质量就是指客观质量。一般来说，经济预测客观
质量评价是经济预测质量评价中最重要的，它是对预测值的一种事后检验。在实
践中，常用的经济预测客观质量评价指标主要有个量误差指标与总量误差指标及
相关误差指标。个量误差指标包括：平均误差法、平均相对误差、平均绝对偏差、
平均绝对相对偏差、方差、标准差。总量误差指标包就是将上述个量指标分别乘
以样本数(n)。相关误差指标，包括：相关系数和Janus商数。
山东大学硕士学位论文
在这里，我们只介绍一种评价指标，即本论文的对预测结果分析的时候用到
的评价指标。以平均绝对相对标准差作为检验总体预测准确性的度量，埘为实际
值，玉为预测值，N为样本数，计算公式如下：
黼=专善I爿(2—1)
山东大学硕士学位论文
第三章人工神经网络和神经网络优化算法
人工神经网络(Attificial Neural Network，ANN)，亦称为神经网络(Neural
Network，NN)，是由大量处理单元(神经元Neurons)广泛互连而成的网络，是对
人脑的抽象、简化和模拟，反映人脑的基本特征。人工神经网络的研究是从人脑
的生理结构出发来研究人的智能行为，模拟人脑信息处理的功能。它是植根于神
经科学、数学、统计学、物理学、计算机科学即工程等学科的一种技术”．近年来，
人工神经网络成为得以迅猛发展的前沿学科。由于它具有大规模并行处理、容错
性、联想功能强、自组织和自适应能力强等特点，具有优良的非线性逼近能力以
及良好的模式识别能力和在任意精度内逼近非线性映射的能力，已成为解决很多
实际问题的有力工具。因此，本论文选用人工神经网络建立宏观经济预测模型．
3．1人工神经网络
人工数字神经网络系统源于人脑神经网络。人工神经网络在80年代中期得到
了飞速的发展．1982年美国加州州立理工学院物理学家Hopfield教授提出了
Hopfield人工神经网络模型，他将能量函数的概念引入人工神经网络，并给出了稳
定性的判据，开拓了人工神经网络用于联想记忆和优化计算的新途径。
人工神经网络模拟人类部分形象思维的能力，是模拟人工智能的一条途径．
特别是可以利用人工神经网络解决人工智能研究中所遇到的一些难题。人工神
经网络理论的应用已经渗透到多个领域，在计算机视觉、模式识别、智能控制、
非线性优化，自适应滤波相信息处理、机器人等方面取得了可喜的进展。
人工神经网络模型发展到今日已有百余种模型，建造的方法也是多种多样，
有出自于热力学的。数学方法的，模糊以及混沌方法。对于有规则的网络结构
比较适合我们习惯的简洁分析方法。由于网络拓扑结构的规则性，限制了系统
的自由性和无序运动，因而可以采用非效力学的其它方法。如对于前馈拓扑结
构的人工神经网络，可使用感知器算法、误差反传递算法、竞争学习算法等。
尽管如此，鉴于人工神经网络从本质上体现了分布系统的基本性质，所以分布
系统的理论和方法均适合人工神经网络的研究。
3．1．1人工神经元模型
神经元是一个多输入单输出的信息处理单元，而且，它对信息的处理是非线性
的。根据神经元的特性和功能，可以把神经元抽象为一个简单的数学模型。工程上
山东大学硕士学位论文
用的人工神经元模型如图3—1所示“1。
Xl
x2
●
●
Xn
图3--1人工神经元模型
yi
在图3—1中，xl，X2，⋯⋯，)(1I是神经元的输入，即是来自前级n个神经元
的轴突的信息A是i神经元的阈值：Wli，W2i．．⋯·，Wni分别是i神经元对XI，
X2，⋯⋯，X。的权系数，也即突触的传递效率：Yi是i神经元的输出；f【．】是激
发函数，它决定i神经元受到输入xl，x2，⋯⋯，Xn的共同刺激达到阈值时以何
种方式输出。
对于激发函数“·]有多种形式，其中最常见的有阶跃型、线性型和S型三种
形式。为了表达方便；令：
ui=Σ％x，-0i (3—1)
_卜I
对于阶跃型激发函数有：
嘶小{： =
对于线性型激发函数，有：
f(ts。)=K。；
对于S型激发函数，有： ㈨2丽i
(3—2)
(3—3)
(3—4)
山东大学硕士学位论文
以下图3—2，3—3，3—4分别为三种形式的激活函数。
J ■
y
l
，
0
U
l
。
夕．
／
r
0 u
--1
图3—2阶跃型激活函数图3—3线性型激活函数
y
l ，，
7 ／。
r
0 u
图3—4 S型激活函数
对于阶跃型激发函数，它的输出是电位脉冲，故而这种激发函数的神经元称
离散输出模型。
对于线性激发函数，它的输出是随输入的激发总量成正比的，故这种神经元
称线性连续型模型。
对于用S型激发函数，它的输出是非线性的；故这种神经元称非线性连续型
模型。
上面所叙述的是最广泛应用而且人们最熟悉的神经元数学模型：也是历史最
长的神经元模型。近若干年来，随着神经网络理论的发展，出现了不少新颖的神
经元数学模型，这些模型包括逻辑神经元模型，模糊神经元模型等，并且渐渐也
受到人们的关注和重视。
山东大学硕士学位论文
3．1．2神经网络模型
神经网络在目前已有几十种不同的模型。人们按不同的角度对神经网络进行
分类，通常可按5个原则进行神经网络的归类。
按照网络的结构区分，分为前向网络和反馈网络。
按照学习方式区分，分为有教师学习和无教师学习网络。
按照网络性能区分，分为连续型和离散性网络，随机型和确定型网络。
按照突触性质区分，分为一阶线性关联网络和高阶非线性关联网络。
按对生物神经系统的层次模拟区分，分为神经元层次模型，组合式模型，网
络层次模型，神经系统层次模型和智能型模型。
通常，人们较多地考虑神经网络的互连结构。一段而言，神经网络有分层网
络，层内连接的分层网络，反馈连接的分层网络，互连网络等4种互连结构。‘
在人们提出的几十种神经网络模型中，人们较多用的是Hopfield网络、BP网
络、Kohonen网络和ART(自适应共振理论)网络。
Hopfield网络是最典型的反馈网络模型，它是目前人们研究的最多的模型之
一。Hopfield网络是由相同的神经元构成的单层，并且不具有学习功能的自联想
网络。它需要对称连接。这个网络可以完成制约优化和联想记忆等功能。
BP网络是反向传播(BackPropagation)网络．它是一种多层前向网络，采用最
小均方差学习方式，这是一种最广泛应用的网络。它可用于语言综合，识别和自
适应控制等用途。BP网络需有教师训练。论文中就是用BP网络建立的．宏观经济
预测模型。
Kohonen网络是典型的自组织神经网络，这种网络也称为自组织特征映射网络
SOM。它的输入层是单层单维神经元；而输出层是二维的神经元，神经元之间存
在以“墨西哥帽”形式进行侧向交互的作用。因而，在输出层中，神经元之问有
近扬远抑的反馈特性；从而使Kohonen网络可以作为模式特征的检测器。
ART网络也是一种自组织网络模型。这是一种无教师学习网络。它能够较好
地协调适应性，稳定性和复杂性的要求。在ART网络中，通常需要两个功能互补
的子系统相互作用．这两个子系统称注意子系统和取向子系统。ART网络主要用
于模式识别，它的不足之处是对转换、失真和规模变化较敏感。
3．1．3神经网络的学习规则
人工神经网络最有价值的特性就是它的自适应功能，这种自适应功能是通过
学习或训练实现的。任何一个神经网络模型要实现某种功能的操作，必须先对它
一16
山东大学硕士学位论文
进行训练，若要想获得满意的人工神经网络系统，就必须给神经网络设计某些学
习规则。神经网络的学习规则是修正权值的一种算法。
神经网络的学习规则可以粗略分成3类，这些类别分别如下：
第一类学习规则称相关学习规则。这种规则只根据连接间的激活水平改变权
系数。常用于自联想网络，如Hopfield网络。
第二类学习规则称纠错学习规则。这种规则根据输出节点的外部反馈改变权
系数。在方法上它和梯度下降法等效，按局部改善最大的方向一步步进行优化，
从而最终找到全局优化值。感知器学习就采用这种纠错学习规则．例如BP算法。
用于统计性算法的模拟退火算法也属于这种学习规则。
第三类学习规则称无教师学习规则。它是一种对输入测检进行自适应的学习
规则。ART网络的自组织学习算法即属于这一类。
下面介绍三种经典的神经网络优化算法：
3．2 BP网络及算法
自从20世纪40年代Hebb提出神经网络学习规则以来，人们相继提出了各种
。各样的学习算法。其中以在1986年Rumelhart等提出的误差反向传播法，即BP(error
BackPropagation)法影响最为广泛。这种算法可以对网络中各层的权系数进行修正，
故适用于多层网络的学习。BP算法是目前最广泛用的神经网络学习算法之一，在
自动控制中是最有用的学习算法【B】。
BP神经网络含有输人层、输出层以及处于输入输出层之间的中间层。中间层
有单层或多层，由于它们和外界没有直接的联系，故也称为隐层。在隐层中的神
经元也称隐单元。隐层虽然和外界不连接．但是，它们的状态则影响输入输出之
间的关系。这也是说，改变隐层的权系数，可以改变整个多层神经网络的性能。
图3—5就是一个BP神经网络结构图。
蟾入穗fn) 穗食壤{口) 辘托屡f口’
图3—5 BP神经网络结构图
山东大学硕士学位论文
设有一个m层的神经网络，并在输入层加有样本X；设第k层的i神经元的
输入总和表示为Ui。，输出xik；从第k—l层的第j个神经元到第k层的第i个神
经元的权系数为w“，各个神经元的激发函数为f，则各个变量的关系可用下面有
关数学式表示：
Xik--娟COik)(3--5)
uik--ΣwuxjH (3—6)
误差反向传播算法分两步进行，即正向传播和反向传播。这两个过程的工作
简述如下：
t．正向传播
输入的样本从输入层经过隐单元一层一层进行处理，通过所有的隐层之后，
则传向输出层；在逐层处理的过程中，每一层神经元的状态只对下一层神经元的
状态产生影响。在输出层把现行输出和期望输出进行比较，如果现行输出不等于
期望输出，则进入反向传播过程。
2．反向传播
反向传播时，把误差信号按原来正向传播的通路反向传回，并对每个隐层的
各个神经元的权系数进行修改。以望误差信号趋向最小。
BP算法的执行步骤如下：
在反向传播算法应用于前馈多层网络时，采用Sigmoid为激发函数时，可用下
列步骤对网络的权系数W。进行递归求取。注意对于每层有n个神经元的时候，即
有i=1，2，⋯，n；j=l，2，⋯，n。对于第k层的第i个神经元，则有n个权系
数wiI，Wi2，⋯，W砸，另外取多—个w时l用于表示阈值o．；并且在输入样本X
时，取X=(Xn，X2，⋯，)(n，1)。
I．对权系数WI．置初值。
对各层的权系数Wii置一个较小的非零随机数，但其中Wi，n+1=--o．
2．输入一个样本x=(xI，X2，⋯，X。，1)，以及对应期望输出Y=(Yn，Y2，⋯，
Yn)。
3．计算各层的输出。对于第k层第i个神经元的输出X．。，有：
n+l
Uik=ΣW,jXJk-’ xI-+l k-’=l，Wi，n+l=一o
J=l
Xik=f(U。k)
4．求各层的学习误差di。
(3—7)
(3—8)
山东大学硕士学位论文
对于输出层有k=m，有di。“_)(i“(1．Xira)(xim-y．)
对于其他各层，有
Dj。躏、l一确ΣWlJd，“1
l
5．修正权系数w。，和阈值0
Wij(t+1)=Wij(t)-呜瞥1
(3—9)
(3—10)
(3一11)
6．当求出了各层各个权系数之后，可按给定品质指标判别是否满足要求。如
果满足要求。则算法结束：如果未满足要求，则返回(3)执行。
这个学习过程，对于任一给定的样本曷=()(PJ，xP2，⋯xpn，1)和期望输出
Yp=(Ypl，Yp2，⋯，Ypll)都要执行，直到满足所有输入输出要求为止。
BP算法实质是求取误差函数的最小值问题。这种算法采用非线性规划中的最
速下降方法，按误差函数的负梯度方向修改权系数。
在实际应用中经常取误差函数e为期望输出和实际输出之差的平方和，即：
唧．5’Σ伍j‘一Yj)2
j
(3—12)
其中：Yt是输出单元的期望值；它也在这里用作教师信号；Xi“是实际输出；
因为第m层是输出层。
总的来说，误差反向传播网络的训练步骤如下：
(1)计算输入矢量集中的任～矢量，计算相应的网络输出矢量。
(2)计算网络实际输出矢量与期望的输出矢量之差值。
(3)逐层调整网络的权值，使输出误差减小．
(4)重复上述过程，直至误差满足一定要求。
综上可知，BP网络具有良好的自适应、自学习，极强的非线性逼近，大规模
并行处理和容错能力等特点，因此其具有广泛的应用背景。
但是，BP算法是一种梯度下降法，算法性能依赖于初始条件，学习过程易于
陷入局部最小。数值仿真研究表明，BP的学习速度，精度、初值鲁棒性和网络推
广性都较差，不能满足应用的需要。
山东大学硕士学位论文
3．3遗传算法
遗传算法(GA：Genetic Algorithms)是模拟生物在自然环境中的遗传和进
化过程而形成的一种自适应全局优化概率搜索算法”1。它通过自然选择和适者生存
的竞争策略来求解优化问题的办法。隐含的并行性和对全局信息的有效利用能力
是遗传算法的两大显著特点，前者使遗传算法只须检测少量的结构就能反映所搜
索空间的大量区域；后者使遗传算法具有稳健性(Robustness)。与梯度类优化算
法相比，遗传算法主要有以下几个不同之处：
(1)遗传算法不直接作用在参变量集上，而是利用参变量集的某种编码。
(2)遗传算法不是从单个点，而是从一个点的群体开始搜索。
(3)遗传算法利用适应值信息，无需导数或其它辅助信息。
(4)遗传算法利用概率转移准则，而非确定性准则。
自1985年召开第一届国际遗传算法学术会议开始，遗传算法在函数优化、组
合优化、自动控制、图像处理及人工智能等研究领域中得到了广泛应用。同时，遗
传算法在应用过程中也得到了许多改进。遗传模拟退火算法就是利用具有较强局
部寻优能力的模拟退火算法(SA：SimulatedAnnealing algorithm)来改进基本
遗传算法的一种有效的混合遗传算法。
遗传模拟退火算法的具体实现步骤如下：
(1)初始化：产生初始种群，种群规模为npop，并计算各个体的适应值：
(2)模拟退火操作：对于种群中的每～个染色体，随机选取一基因位，对其作
摄动后求新个体的适应值，按照模拟退火算法中的接受概率来判断是否用摄动后
的基因值代替原基因值：
(3)个体选择、复制操作：对模拟退火操作后的种群，根据适应值决定的概率
分布，采用轮盘赌选择法来重新生成npop个个体：
(4)对步骤(3)生成的npop个个体进行单点交叉、均匀变异操作，产生新的
种群：
(5)找出种群中适应值最大的个体，判断计算是否收敛，若收敛，则停止，否则
返回步骤(2)。
GA不只是单纯的优化算法，而是一种以生物今后思想为基础的一般方法论，
是解决复杂问题的有力工具。
但是，遗传算法能从概率意义上以随机的方式寻求到最优解，但在实际应用
中会出现一些问题，主要是容易产生早熟现象、局部寻优能力较差等缺点。
3．4粒子群优化算法
粒子群优化(Particle Swarm Optimizer，PSO)算法是一种基于群智能(swarm
山东大学硕士学位论文
Intelligence)方法的演化计算(evolutionary computation)技术。PSO同遗传
算法类似，是一种基于群体的优化工具。系统初始化为一组随机解，通过迭代搜
寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)操
作，而是粒子(潜在的解)在解空间追随最优的粒子进行搜索。与遗传算法比较，
PSO的优势在于简单容易实现同时又有深刻的智能背景，既适合科学研究，又特别
适合工程应用。因此，PSO一提出，立刻引起了演化计算等领域的学者们的广泛关
注，并在短短的几年时间里出现大量的研究成果，形成了一个研究热点。
PSO算法一提出就吸引了广泛的注意，各种关于PSO算法应用研究的成果不断
涌现，有力地推动了PSO研究。将PSO算法用于各种复杂的优化问题也已经取得
了一些进展，例如，将离散PSO算法用于求解TSP问题：研究了PSO算法在噪声
和动态环境下的优化问题：将PSO算法用于多目标优化(multiobjective
problems，MO)问题等，都取得了令人感兴趣的结果。
将PSO算法用于训练积单元神经网络(product unit neural networks)
进行模式分类，取得了很好的效果，显示PSO算法是一种很有希望的训练神经网
络的手段。因此在本文中，我选用PSO算法来训练水泥力学性能的神经网络模型。
PSO最早是由kennedy和Ebethatt于1995年提出的，受到人工生命
(Artificial Life)的研究结果启发，PSO的基本概念源于对鸟群捕食行为的研
究。设想这样一个场景：一群鸟在随机搜寻食物。在这个区域里只有一块食物。
所有的鸟都不知道食物在那里。但是他们知道当前的位置离食物还有多远。那么
找到食物的最优策略是什么呢。最简单有效的就是搜寻目前离食物最近的鸟的周
围区域。PSO从这种模型中得到启示并用于解决优化问题。
PSO中，每个优化问题的潜在解都是搜索空间中的一只鸟，称之为“粒子”．
所有的粒子都有一个由被优化的函数决定的适应值(fitness value)，每个粒子
还有一个速度决定他们飞翔的方向和距离。然后粒子们就追随当前的最优粒子在
解空间中搜索。
PSO初始化为一群随机粒子(随机解)，然后通过迭代找到最优解。在每一次
迭代中，粒子通过跟踪两个“极值”来更新自己。第一个就是粒于本身所找到的
最优解。这个解称为个体极值。另一个极值是整个种群目前找到的最优解。这个
极值是全局极值。另外也可以不用整个种群而只是用其中一部分作为粒子的邻居，
那么在所有邻居中的极值就是局部极值。
假设在一个D维的目标搜索空间中，有m个粒子组成一个群落，其中第i个
粒子表示为一个D维的向量X。=(x．I，xi2，⋯，xiD)，i=l，2，⋯，m，即第i个
粒子在D维的搜索空间中的位置是x。换言之，每个粒子的位置就是一个潜在的解。
将x带入一个目标函数就可以计算出其适应值，根据适应值的大小衡量X。的优劣。
山东大学硕士学位论文
第i个粒子的“飞翔”速度也是一个D维的向量，记为v，=(v“，v渤⋯，Vfd)。
记第i个粒子迄今为止搜索到的最优位置为pt=(Pi-，Piz，⋯，Pto)，整个粒
子群迄今为止搜索到的最优位置为P。=(p—P。z，⋯，p‘o)，当优化结束时，
pl就是整个算法的优化解。
kennedy和Elwthart最早提出的PS0算法采用下列公式对粒子操作：
Vid=Vld+cIrI (pid—Xid)+CzI'2 (p昏d—Xid) (3—13)
xid=Xtd+vid (3--14)
其中，i=l，2，⋯，m，d=l，2，⋯，D：学习因子C1和C2是非负常数：rl和
r2是介于[O，1]之间的随机数，Vid[-Vmax，Vraax]；Vmax是常数，由用户设定。
迭代中止条件根据具体问题一般选为最大选代次数或(和)粒子群迄今为止
搜索到的最优位置满足预定最小适应阈值。
因为Pg是整个粒子群的最优位置，因此上述PS0算法也被称为全局版PSO。
也可以把第i个粒子的邻居们搜索到的最优位置作为Pg，则上述方法又被称为局
部版PSO。全局版PSO收敛速度快，但有时会陷入局部最优。局部版PSO收敛速度
慢一点，但相对的不易陷入局部最优。
基本PSO算法需要用户确定的参数并不多，而且操作简单，故使用比较方便。
但是它的缺点是易陷入局部极小点，搜索精度不高，因此有必要对其作改进。
其改进公式如下：
Vidm w木v“+cIrl (Ptd—xid)+c2r2 (pId--Xid)(3--15)
xid----Xid+Vtd (3—16)
其中w为非负数，称为惯性因子．惯性因子w对优化性能的影响，较大的w值
有利于跳出局部极小点，而较小的w值有利于算法收敛，因此提出了自适应调整
的策略，即随着迭代的进行，线性地减小w的值。实验表明这种改进通过自适应
调整惯性因子，能兼顾搜索效率和搜索精度，故优化性能有所改善“”。
1999年，MauriceClerc为PSO算法的速度提出了一个压缩系数。
Vid=K*(Vid+由lrl(pi广xid)+①2r2(p,d-x。d))(3-17)
xiJ--xid+vjd (3-18)
一2 其中，肛Fi丽‘3一19)
m=ml+m2，巾>4．
PSO算法因为其简单、容易实现、解决问题能力强等特点，币在被广泛的应
山东大学硕士学位论文
用于各种工程领域。在本论文中，用粒子群优化算法训练神经网络模型的权值和
阙值时，就是用的上面所述的压缩系数法来改变粒子的“飞翔”速度的。
山东大学硕士学位论文
第四章我国宏观经济预测模型的建立
本论文对我国宏观经济形势进行预测分析，以经济学和哲学基本理论为指导，
从中国特色社会主义市场经济实际出发，以定量经济预测分析方法为主，定性经
济预测方法为辅，利用人工神经网络进行建模，采用粒子群优化算法优化模型，
选用最终消费、固定资产形成总额、货物和服务净出口作为预测宏观经济形势的
基础经济指标，用第n年的最终消费、固定资产形成总额、货物和服务净出口来
预测第n+1年的国内生产总值，进而判断宏观经济走势，属于短期宏观经济预测
范畴。
4．1宏观经济预测理论模型
我国经济白改革开放以来，随着社会主义市场经济体制的建立和不断完善，
虽然出现了几个增长风险下限的低谷，但其余时间内大都比较平衡地处于正水平
之上，这充分体现了我国经济发展更具规律性，经济增长更具稳定性n1】。本论文
进行宏观经济预测的前提条件是国内经济政策保持稳定性和延续性，短期内不会
发生大的突发性事件。
4．1．1宏观经济预测指标
经济增长率、通货膨胀率和失业率是判断宏观经济运行状况的三个主要指标．
这些指标都与国内生产总值有十分密切的联系。经济增长率指的就是不变价国内
生产总值增长率(简称国内生产总值增长率)。通货膨胀率一般是用国内生产总值
缩减指数或居民消费价格指数来衡量的。国内生产总值缩减指数是给定时期的现
价国内生产总值与同期不变价国内生产总值之间的比率，它反映了所有商品(包
括货物和服务)在基期与当期之间的价格变化情况。消费价格指数反映的是消费
者购买的消费品的价格变化情况。显然，国内生产总值缩减指数的代表性比消费
价格指数更为广泛，因为它不仅反映了消费者购买的消费品的价格变化情况，还
反映了生产者购买的投资品的价格变化和进出口产品的价格变化情况。因此，作
为反映一个国家或地区价格综合变动情况的通货膨胀率，国内生产总值缩减指数
比消费价格指数更全面。
失业率与经济增长率有密切的联系。奥肯在对美国经济增长率与失业率之间
的关系进行研究之后揭示出如下规律：
△u一0．5(y一3) (4一1)
山东大学硕士学位论文
公式中的△u表示失业率的变化。y表示经济增长率。
这就是著名的奥肯定律。它表明，当经济增长率高于3％时，失业率将下降。
在此基础上，经济增长率每增加一个百分点，失业率就会下降半个百分点．当经
济增长率低于3％时，失业率将上升。在此基础上，经济增长率每减少一个百分点，
失业率就会上升半个百分点。
奥肯定律就经济增长率与失业率的变化之间的关系给出了一个估算规则。它
是一个粗略的近似的估算规则。尤其是，它是在研究美国的实际情况的基础上产
生的，不一定完全准确地适用于别的国家。但是，通过奥肯定律，我们能够得出
这样一个基本结论：失业率与经济增长率之间具有密切的联系，通过经济增长率
可以对失业率进行大致的判断。
搞好国内生产总值的核算对于判断宏观经济运行状况，制定正确的宏观经济
政策具有重要的理论和实际意义“”。因此，判断宏观经济运行状况要落脚到对国
内生产总值的核算上。
4．1．2国内生产总值(GDP)
诺贝尔经济学奖获得者萨缪尔森在《经济学》教科书中把GDP称作是“二十
世纪最伟大的发明之一”。
1．国内生产总值，是指一定时期内(通常是一年)一国境内所产出的全部最
终产品和服务的价值总和．
其中，最终产品(final goods)是指以消费和投资为目的现期生产和出售的
产品．最终产品是和中间产品相对而言的。GDP不包括中间产品(intermediate
goods)——即用于生产其它产品的产品。
2．名义GDP是指按产品和劳务的当年销售价格计算的GDP。实际GDP则是用
不变价格(基年的价格)计算的GDP。本论文建立模型预测的国内生产总值是名义
GDP。
3。国内生产总值的核算有支出法、收入法和生产法。本论文用到的核算数据
是通过支出法计算的GDP，因此，在这里重点介绍支出法GDP的计算办法。
国民产品和劳务的需求者在GDP核算体系中分为四类：
①个人消费支出总额(c)：不包括居民购买新建住宅的支出；
②国内总投资支出(I)：增加或替换资本资产的支出，包括固定资产投资与
存货投资。
其中：总投资=净投资+重黄投资(补偿固定资本损耗和意外损坏)
③政府购买支出(G)：指各级政府部门对商品和劳务的购买支出，包括政府
在军事设施和物资方面的支出和政府雇员的薪会支出。但政府转移支付不计入
山东大学硕士学位论文
GDP。
④商品和劳务的净出口：(x—M)。
用支出法核算GDP，公式为j Y：c+I+G+(X-M)或Y+M=c+I+G+X
4．1．3 GDP核算在宏观经济管理中的作用
第一，衡量一个国家或地区经济发展规模和经济实力．
第二，分析行业和产业结构，为制定产业政策，进行结构调整，反映宏观调
控政策执行情况：
第三，分析重大比例关系，为国家制定投资和消费政策提供参考。
第四，反映国家、企业和个人三者分配关系，为国家制定收入分配政策提供
资料。．
第五，为国家制定经济发展战略、中长期规划、年度计划和各种宏观经济政
策提供重要依据。如：党的十四大五次会议提出，到2000年实现人均国民生产总
值比1980年翻两番的战略目标；“十五”规划中提出的“十五”期间年均经济增
长率7％的宏观调控预期目标；2010年远景规划中提出到2010年国内生产总值比
2000年翻一番；党的“十六”大报告中提出全面建设小康社会目标之一是国内生
产总值到2020年力争比2000年翻两番等等；这都是建立在国内生产总值核算和
对经济发展情况的预测基础上的。
4．1．4宏观经济预测参数的选择
1．经济增长是由供给和需求两方面的共同增长决定的。一般来说，供给能力
的提高是决定经济长期增长的主要因素，它的变化相对温和，导致经济短期波动
的往往是一些需求性因素。因此，我们在进行经济分析时，常常是对消费、投资、
出口这三大需求进行分析，作为预测经济走势的主要依据。对我国的具体实际来
说，三大需求中，消费一直占据主体地位，是拉动我国经济增长的根本力量。随
着社会主义市场经济体制的进一步完善和经济全球化的发展，投资和进出口对经
济增长的贡献也越来越明显，固定资产投资的高速增长也成为近几年带动我国经
济加速增长的重要力量：国际市场的拓宽，加入世贸组织后正面效应的凸现，对
外贸易也成为拉动我国经济增长的重要力量。
表4—1是中国统计信息网2005年1月12日，发布的三大需求对GDP增长的
拉动的统计数据；表4—2是国家商务部规划财务司2005年lO月28日，在商务
部网站公布的2003--2005年前三季度主要宏观经济指标。
山东大学硕士学位论文
表4--l三大需求对GDP增长的拉动
2002盔2003钜
不变价现价不变价现价
投资对GDP增长的拉动率(％) 49．9 52．1 64．9 66．7
投资拉动GDP增长(百分点) 4．1 4．3 6．O 6．2
消费对GDP增长的拉动率(％) 42．9 41．6 33．8 34．1
消费拉动GDP增长(百分点) 3．6 3．5 3．2 3．2
净出口对GDP增长的拉动率(％) 7．2 6．3 1．3 一O．8
净出口拉动GDP增长(百分点) 0．6 O．5 O．1 一O．1
表4—2 2003--2005年前三季度主要宏观经济指标(单位：％)
2005笠
指标名称2003篮2004年
第1季度前2季度前3季度
GDP增长率9．1 9．5 9．4 9．5 9．4
工业增加值增长率17．O 16．7 16．2 16．4 16．3
投资增长率26．7 27．6 25．3 27．1 27．7
消费品零售增长率9．1 13．3 13．7 12．7 13．O
出口增长率34．6 35．4 34．9 32．7 31．3
进口增长率29．9 36．O 12．2 14．0 16．O
消费价格上涨率1．2 3．9 2．8 1．7 2．0
MO增长率(期末) 14．3 8．7 10．1 9．6 8．5
M1增长率(期末) 18．7 13．6 9．9 11．3 11．6
M2增长率(期末) 19．6 14．6 14．0 15．7 17．9
定资产投资)口径2004年调整为城镇50万元以上项目的投资．
可见，三驾马车(消费、投资、进出口)直接对经济发展的贡献功不可灭．
2．支出法GDP是从最终使用的角度反映一个国家(或地区)一定时期内生产
活动最终成果的一种方法。由于我国经济的特殊情况，国民经济核算把GDP划为
三个部分，消费、投资、净出口，没有把政府消费单独列出来，政府消费包含在
消费和投资之中，即分为最终消费、资本形成总额、货物和服务净出12---部分，
第n年GDP的计算公式可以写成：
支出法GDP--第n年最终消费+第n年资本形成总额+第n年货物和服务净出13
因此，对国内生产总值的核算最终落脚到对最终消费、资本形成总额、货物
和服务净出口的计算。
山东大学硕士学位论文
3．对一个动态宏观经济模型来说，消费函数表明，消费者的消费量取决于可
支配收入；投资函数表明，对第n+1年的投资取决于当期国民收入和第n年的国
民收入；进口函数表明，第n+1年的进口取决于当期国民收入。可见，第n+1
年的国民收入与第n年的国民收入非线性相关．我们都知道，第n年的国民收入
又决定于第n年的消费、投资和净出口，因此，第n+1年的国民收入与第n年的
消费、投资和净出口非线性相关．
4．第n+1年的国民收入与第n年的消费、投资和净出口非线性相关关系，
很难用显函数形式来表达．而人工神经网络具有优良的非线性逼近能力以及良好
的模式识别能力和在任意精度内逼近非线性映射的能力，事前不必假设数据服从
什么分布，变量之问符合什么规律或具有什么样的关系，它采用类似于“黑箱”
的方法，通过学习和记忆而不是假设，找出输入(决策变量)与输出(目标函数值)
之间的关系(映射)。因此，本论文用人工神经网络进行建立第n+1年GDP预测模
型。第n年的消费、投资和净出口作为输入，第n+1年GDP作为输出。
5．这里还要说明两个问题。第一，我们在经济预测过程中用到的变量，C。用第
n年的最终消费额表示，I。用第n年的资本形成总额表示，()【_I一地)用货物和服务净
出口额表示。第二，我们用到的数据来自2005年‘中国统计年鉴》．
4．2神经网络与P$O算法相结合的可行性分析
虽然人工神经网络技术在智能控制、模式识别、非线性优化，知识处理等各个
邻域得到了广泛的应用和发展，但是人工神经网络也存在着不少问题。例如，在BP
神经网络中，学习时问过长，有时可能达不到学习的目的，因为BP网络的学习过程
实际上是对一个高度非线性函数求全局最优解的过程，在具体运作时可能会陷入“局
部最优解的陷阱”，从而无法达到学习目的。
而PSO算法是一种全局寻优搜索算法，它通过一定的规律不断的变换潜在解，
经过循环处理最终找到最优解。因此，在本论文中，’用人工神经网络建立国内生产
总值预测模型，用PSO算法训练模型和优化权值和阈值。
4．3神经网络模型结构
人工神经网络根据不同的连接方式和不同的学习规则可划分不同形式，关于人
工神经网络等方面的知识已经在第三章作了详细介绍。设计宏观经济预测神经网络
模型前，首先需要确定神经网络的结构，主要包括如下内容：网络的层数，每层的
神经元数和激活函数等。
山东大学硕士学位论文
4．3．1隐含层数和层内神经元数目的选择
1．采用的神经网络结构
图4--1
2．隐含层数的选择
对于多层神经元网络来讲，首先确定选用几层隐含层。Hecht-Nielsen曾证明
当各结点具有不同的门限时，对于在任何闭区间内的一个连续函数都可以用一个
隐含层的网络来逼近，因而一个三层的神经元网络就可以完成任意的N维到M维
的映射。但由于上述的先决条件难以满足，导致应用的困难。增加隐含层可增加
人工神经网络的处理能力，但势必将使训练复杂化，训练样本数目增加和胡}练时
间增加。一般来说，开始设定一个隐含层，然后按需要再增加隐含层。著名的
Kosmogorov定理说明，在有合理的结构和恰当的权值的条件下，三层的神经网络
可以逼近任意复杂的连续函数。所以，在本论文中，国内生产总值预测模型采用
三层的BP神经网络，只有一个隐含层．
3．隐含层神经元数目的确定
在人工神经网络模型中，隐层节点数的选择非常重要，它对建立的神经网络
模型的性能影响很大。若隐层节点数太少，网络可能根本不能训练或网络性能很
差；若隐层节点数太多，虽然可使网络的系统误差减小，但一方面使网络训练时
间延长，另一方面，训练容易陷入局部极小点而得不到最优点。一般来说，一个
多层网络需要多少隐含层。每层需要多少神经元，这要由网络的用途来决定。目
前理论上还没有一种科学的和普遍的确定方法．为保证足够高的网络性能和泛化
能力，确定隐层节点数的最基本原则是：在满足精度要求的前提下取尽可能紧凑
的结构，即取尽可能少的隐层节点数。在具体确定隐含层单元时，有效的方法是
开始放入足量的隐含单元，经学习后将不起作用的隐含单元逐步去掉；或者取相
反的过程，当网络的性能不佳时，可以增加隐含层单元。也就是说，合理隐层节
山东大学硕士学位论文
点数应在综合考虑网络结构复杂程度和误差大小的情况下用节点删除法和扩张法
确定。经试验，文中所建立的网络模型隐含层取六个节点比较合适。
4．本论文采用的所有激励函数均为S型函数。
4．3．2建立我国宏观经济预测神经网络模型
论文中建立的国内生产总值预测模型共有三层，～个输入层，一个隐含层，
一个输出层。
①输入层：上面我们已经提到过，把第r1年的最终消费、资本形成总额、货
物和服务净出口额作为输入层的信息。
②隐含层：根据经验，隐含层选定6个神经元。
③输出层：神经网络模型只有一个输出，为第n+1年的国内生产总值。
④激励函数：采用Sigmoid型激励函数．
因为PSO算法适合全局搜索，所以采用PSO算法作为神经网络的学习算法，
即：建立神经网络模型以后，用PSO算法优化神经网络的权值和阈值，将权值和
阈值进化在一定范围之内，然后用网络模型得到预测结果。
4．3．3学习样本的选择
在模型的建立过程中，利用表4—2中1989年到2001年的数据作为学习数据，
经过训练，得到了与实际的GDP相差较小的比较理想的预测结果，我们把预测结
果误差最小的模型确定为我们需要的国内生产总值神经网络模型。
利用表4—3中2002年到2004年的数据作为测试数据，代入我们确定的人工
神经网络模型中，可以得到比较理想的预测数据，证明我们建立的模型的可行性
和准确性比较高。
山东大学硕士学位论文
表4—3
支出法国内生最终消费总资本形成总额
货物和服务净
年份出口总额(亿
产总值(亿元) 额(亿元) (亿元)
元)
1989 16466。0 10556．5 60950．0 -185．5
1990 18319．5 11365．2 6444．0 510．3
1991 21280．4 13145．9 7517．0 617．5
1992 25863．7 15952．I 9636．0 275．6
1993 34500．7 20182．I 14998．0 -579．4
1994 46690．7 26796．0 19260．6 634．I
1995 58510．5 33635．0 23877．0 998．5
1996 68330．4 40003．9 26867．2 1459．3
1997 74894．2 43579．4 28457．6 2857．2
1998 79003．3 46405．9 29545．9 3051．5
1999 82673．I 49722．7 30701．6 2248．8
2000 89340．9 54600．9 32499．8 2240．2
2001 98592．9 58927．4 37460．8 2204．7
2002 107897．6 62798．5 42304．9 2794．2
2003 121511．4 67442．5 51382．7 2685．2
2004 142394．2 75439．7 62875．3 4079．2
注1：以上数据来自2005《中国统计年鉴》；
注2：支出法国内生产总值不等于国内生产总值是由于计算误差的影响．
4．3．4输入参数的处理
神经网络的各个输入层节点对网络是等效的，所以同一模型的所有信息都应
按一定顺序排列，这样才能保证不会出现混乱信息。。
在神经网络中，神经元的输出用Sigmoid函数来计算，其输出范围为(O，1)。
S型函数是一个非线性函数，而且具有自动增益功能，当输入信号很小时，S型函
数处于高增益区，当输入信号幅值变大后，增益减小。若输入值过大，有可能使
神经元处于饱和状态，从而失去学习能力，所以我们必须把输入数据限制在一定
山东大学硕士学位论文
的范围内。对于训练样本X,,X2，．．．，xN，网络相应的输出为yl，Y2⋯．，Y。，每组输入
Xi_(xl⋯X2．．，X。)(i=l，2，．．．，N)进行如下的归一化处理：
xi’= (4—2)
对于每组的输出，作如下处理，其中M=130000：
Yi'-万ys (4—3)
据上可知，神经网络功能模块包括网络的学习算法、输入参数的预处理、输
出数据的还原处理等。
4．3．5神经网络的优化
用粒子群优化算法优化神经网络的权值和阈值：
①论文中所用的PS0算法选取20个粒子构成粒子群，其中每个粒子都是13
维的向量。这13个向量包括神经网络模型中的所有权值和阈值。所有的权值
和阈值的初始值随机产生，取值范围为[一l，1]。
②根据适应值函数计算神经网络的误差，从而来衡量每个粒子的适应值。
在这里，我们选取网络的误差函数作为适应值函数，误差大的粒子其适应度
小．本论文中采取的适应值函数的具体表示形式如下：
阽—1_
～l+E (4—4)
E=仉5+酐-y，y (4_5)
③选择每个粒子到目前为止的最优解p。然后选择整个群体到目前为止的最
优解pd。(i=l，2，⋯，20，d=l，2，⋯，13)
④文中采用(3—18)和(3—19)的公式对粒子操作，产生下一代粒子；
vId：l(．(vid+中lrl(pid-x。d)+中2r2(pgd-xid))
xid 2xid+VId
其中，i=l，2，⋯，20，d=l，2，⋯，13，在论文中，oI-2，中2_2．05，r1和
r2是介于[O，1]之间的随机数，rid取值范围为卜Vmax，Vmax]，Vmax是常数，文中
设为0．5。文中设定的迭代中止条件为代。
⑤重复步骤②③④，直到误差到达到设置的条件或者训练迭代数达到规定的次
山东大学硕士学位论文
数为止。
4．3．6数据处理工具的选择
利用vc++6．o编程软件编写程序进行数据处理，较在经济分析中常用的
MATLAB、TSP、EVIEW等统计软件或计量工具，效率商，自由度大，灵活性好，分析
问题的针对性强。
4．3．7预测过程
作者利用VC++6．0编程软件编写计算机程序，将设计的模型转换为计算机
语言，然后将学习数据和测试数据输入到计算机程序中，计算机根据我们编译好
的程序进行运算。在程序执行过程中，计算机根据输入的学习数据和测试数据，
不断优化模型的各项参数。最后得出一个最优的预测模型，预测结果也随着训练
好模型输出，就是我们所要预测的GDP。
4．3．8几点说明
1．关于历史数据的选择。在上文中作者已经把人工神经网络模型的特性和优点
作了详细介绍和明确说明。作者进行宏观经济建模，必须用历史数据(本文利用1989
--2004)训练网络，这样才能训练出较为精确的模型进行经济预测。
2．关于用到的支出法GDP数据。大家都知道，今年上半年国家统计局采用了新
的统计方法计算2005年的GDP，并且准备修正GDP的历史数据(2004年以前的GDP)。
作者请教了山东省统计局的专家，专家称新的修正历史数据近期内很难完成。因此，
本文仍然采用了老的统计法统计的数据，这也正是作者没有选择2005年的GDP作
为测试数据的原因。
3．关于宏观经济形势预测。在上文中作者已把论文要达到的目的作了详细说
明，实质上是利用已知的数据，对短期内的宏观经济形势作一判断。只要在程序中
输入第N年的历史数据，通过训练出来的模型，就可以得出第N+I的GDP预测数据，
但本模型并不适应于对N+2年后GDP的预测。
4、预测模型的功能。本论文实质上是利用已知的数据，对短期内的宏观经济
形势作一判断。只要在程序中输入第n年的参数数据，通过训练出来的模型，就可
以得出第n+l的GDP预测数据，但本模型并不适应于对n+2年后GDP的预测。简单
的说，如果我们已知2007年的最终消费、固定资产形成总额、货物和服务净出口
的值，我们将其带入模型，就能预测出2008年我国支出法GDP的数值。
山东大学硕士学位论文
11
4．4预测结果分析
训练神经网络的首要和根本任务是确保训练好的网络模型对非训练样本具有
好的泛化能力(推广性)，即有效逼近样本蕴含的内在规律，而不是看网络模型对
训练样本的拟合能力。因为训练样本的误差可以达到很小，因此，用从总样本中
随机抽取的一部分测试样本的误差表示网络模型计算和预测所具有的精度(网络
性能)是合理的和可靠的。预测结果见表4—4。
表4—4
年份实际支出法GDP 模型预测支出法GDP 绝对相对误差
1990 18319．5 19355．5 0．056
199l 21280．4 21690．7 0．043
1992 25863．7 25302．2 0．021
1993 34500．7 32136．3 0．068
1994 46690．7 44004．8 0．057
1995 58510．5 56647．1 0．031
1996 68330．4 68857．7 0．008
1997 74894．2 76915．2 0．027
1998 79003．3 ，81803．1 0．035
1999 82673．1 84779．7 0．025
2000 89340．9 88720．2 0．007
2001 98532．9 95824．0 0．027
2002 107897．6 108135．6 0．002
2003 121730．3 121489．4 0．0002
2004 142394．2 146701．6 0．042
本论文的对预测结果分析的时候用到的评价指标。以标准差作为检验总体预
测准确性的度量，xi为实际值，矗为预测值，N为样本数，计算公式如下：
黼2专粪嘲(4--6)
经计算，预测结果的平均相对误差为0．032，平均误差较小，基本达到要求。
山东大学硕士学位论文
．由预测结果可以看出。基于人工神经网络和粒子群优化算法建立的神经网络
模型对国内生产总值的预测结果比较精确，这表明，用第n年的最终消费、资本形
成总额和进出口总额作为预测第n+1年GDP建立神经网络模型的预测方案是可行的。
由于建立的神经网络模型只考虑了第n年的三个因素(最终消费、资产固定总额、
进出口总额)，而每年的GDP还要受许多因素影响，不可能做到预测结果与实际的数
据完全一样，上面的模型预测出来的数据误差较小，利用第n年的数据能够较准确
地预测第n+1年的GDP。
我们根据计算得出的结果，可以很好地预测短期(一年)内的国内的宏观经济
走势。国家可以根据预测结果做好宏观调控等工作，企业、个人根据情况调整投资、
储蓄等经济行为，以求做到经济决策最优化，经济利益最大化。
山东大学硕士学位论文
总结
本文用到的神经网络科学，起源于心理学、生理学、生物学、医学等科学，研
究发展过程中又涉及到数学、物理学、计算机科学等领域。神经元网络在很多方面
表现出一定的优势。与传统的人工智能系统的知识获取方法，也叫机器学习方法(规
则库建立方法)不同，一般来说神经元网络系统是通过大量的样本训练来完成的知
识获取的。因此，即使我们对某问题本身了解甚少，难以用形式化语言对知识进行
描述，只要给出比较全面的数据，选取合理的网络结构和参数，就可以训练出一个
计算机模拟的网络模型。特别是网络规模比较小时有时能得到出乎意料的效果。本
文正是利用神经网络的这个优点，建立基于神经网络的宏观经济预测模型来预测第
n+1年GDP。本文力求将先进的计算机技术应用于经济学领域，让经济学共享计算
机技术发展的新成果，推动经济学和计算机科学交叉学科的发展。本文所做的工作
的最终目的是，人们可以根据作者建立的宏观经济预测模型，在第n年的年底就可
以预测出第n+1年的GDP，然后根据预测出的GDP数据，对第n+1年的整个宏观
经济形势作一预判，进而作出合理的、最优的经济决策。国家、企业、个人通过科
学的手段判断出未来的经济走势，必将推动我国经济更快、更稳、更持续地发展。
文中用到的人工神经网络模型也有自身的缺陷，比如目前还没有更完善的学习
方法、经验参数太多，算法本身的参数设定、学习收敛速度等问题还有待解决。
山东大学硕士学位论文
参考文献
[1]顾海兵．实用经济预测方法(修订版)[M]．北京：中国人民大学大学出版社。2005年8月
[2]汪劲．人工神经网络构造经济预测模型方法的探讨[J]．浙江师范大学学
报，2004，27(3)：254—256
[3]张保法．经济预测与经济决策专著[M]．北京： 经济科学出版社，2004
[43暴奉贤，陈宏立．经济预测与决策方法C羽．广州： 暨南大学出版社，1993
[5]王琳．港口项目建设中经济预测方法研究．天津大学硕士论文，2003年
[6]高隽．人工神经网络原理及仿真实例[M]，北京：机械工业出版社，2003年8月
C7]王凌．智能优化算法及其应用CM]．北京：清华大学出版社，2004
[8]http：／／_1w．jgchina．com／ednns／ednnsbk／4．2．htm．
[9]周明，孙树栋．遗传算法原理及应用[M]．北京：国防工业出版社，1999
[10]任斌，丰镇平．改进遗传算法与粒子群优化算法及其对比分析[J】．南京师范大学学报，
2002，2(2)：14—20
，[11]夏闻．经济学大师解析经济难题[M]．北京：华文出版社，2003年9月
[12]许宪春．国内生产总值核算的重要意义和作用[J】．中国统计，2003，No．2，P8-9
[13]韩曦．我国宏观经济的预测检验和分析．中国社会科学院研究生院硕士论文，2004年
C14]曼昆(美)等．经济学原理[M]。北京：北京大学出版社。1999年9月
[18]陈鸿．人工神经网络在宏观经济预测中的应用研究．重庆大学硕士论文，2005年
【19]杨瑞龙，陈秀山，张宇．社会主义经济理论[M]．北京：中国人民大学出版社，1999年
1月
[20]高希均，林祖嘉．经济学的世界【M]．北京：生活．读书．新知三联书店，2000年8月
[21]吉利斯(美)等．发展经济学EM]．北京：中国人民大学出版社，1998年9月
[22]斯蒂格利茨(美)．经济学[M]．北京：中国人民大学出版社，1997年6月
[23]邱晓华，郑京平．解读中国经济指标[M】．中国经济出版杜，2003年10月
[24]顾成奎，王正欧．基于神经网络动态非线性非平稳经济系统预测[J]．系统工程学
报，2002。17(2)：133-135
[25]张新红．小波网络理论及其在经济预测中的应用研究．天津大学博士论文，2003年
[26]陈鸿．基于人工神经网络的宏观经济预测模型[J]．重庆职业技术学院学
报，2004，13(4)：54-56
[27]马超群，高仁祥．经济建模与预测精度分析．预测．1998，17(5)：50—52
[28]王凌，智能优化算法及其应用[M]．北京： 清华大学出版社，2004年3月
[29]李爱国，覃征．鲍复民，贺升平．粒子群优化算法【J]．计算机工程与应用，2002，21：
l一3．17
—37—
山东大学硕士学位论文
[30]李晓东．基于数字图像处理的水泥强度预测模型研究．济南大学硕士学位论文，20<)4年
[31]Kennedy，J．and Eberhart，8．(1995)．“Particle Swarm Optimization”。Proceedings
of the 1995 IEEE
International Conference on Neural Networks，PP．1942—1948，IEEE Press．
[32]王旭，王宏．人工神经元网络原理与应用[M】．沈阳：东北大学出版社，2000
[33】王岁花。冯乃勒，李爱国．一类新颖的粒子群优化算法[J】．计算机工程与应用，
2003，13：109—110。134．
E34]冯文权．经济预测与决策技术[扣．武汉：武汉大学出版社，2002
[35]格兰杰．商业与经济预测[M】．上海：上海远东出版社，1992
[36]Lapeds A，Farber．Nonlinear singnal processing using neural networks：prediction
and systemmodel ing．Technical Report LA-UR一87—2662。Los Alamos National
Laboratory．LosAlamos．眦1987 ．
[37]Matsuba I．Application of neural network sequential associator to long-term stock
priceprediction．IJCNN-90，1990
[38]Hopfield J．Neural Networks and Physical Systemw with Emergent Collective
Computational^bilities，Proc．Natl．Acad．Sci．，USA，1982。(79)
[39]Anne KoehlerSoftware view．InternationalJournal ofForecastingfl993，9(3)Shoham
Y．Agent riented Programing A I，1993，60
[40]Leontief E Lags and the stability of dynamo ic systems Econometrica，1961。39
-38—
山东大学硕士学位论文
致谢
在我的毕业课题的研究开发工作中，感谢导师魏建教授的教诲和指导，帮助
我克服诸多困难，圆满完成了毕业课题任务，并对我论文的撰写和修改提出了宝
贵的指导性意见，使我最后完成了学位论文的撰写。
同时感谢山东大学经济研究院李增刚、王新军、石莹三位老师的帮助，感谢
浙江师范大学汪劲老师的指点和帮助。
感谢我的家人和朋友，他们的鼓励和帮助是我前进的不竭动力。
感谢评审专家对本论文提出的宝贵意见。
山东大学硕士学位论文
攻读学位期间发表的学术论文
1、基于人工神经网络和粒子群优化算法的宏观经济预测研究[J]．《理论学刊》
145(3)，P46—47，2006年3月，第一作者．
一40—
基于人工神经网络的我国宏观经济预测研究
作者： 王钦波
学位授予单位： 山东大学
参考文献(38条)
1.顾海兵实用经济预测方法 2005
2.汪劲人工神经网络构造经济预测模型方法的探讨[期刊论文]-浙江师范大学学报(自然科学版) 2004(3)
3.张保法经济预测与经济决策专著 2004
4.暴奉贤.陈宏立经济预测与决策方法 1993
5.王琳食品真空冷冻干燥设备的优化设计[学位论文]硕士 2003
6.高隽人工神经网络原理及仿真实例 2003
7.王凌智能优化算法及其应用 2004
8.查看详情
9.周明.孙树栋遗传算法原理及应用 1999
10.任斌.丰镇平改进遗传算法与粒子群优化算法及其对比分析 2002(02)
11.夏闻经济学大师解析经济难题 2003
12.许宪春国内生产总值核算的重要意义和作用[期刊论文]-中国统计 2003(2)
13.韩曦我国宏观经济的预测检验和分析 2004
14.曼昆.梁小民经济学原理 1999
15.陈鸿人工神经网络在宏观经济预测中的应用研究 2005
16.杨瑞龙.陈秀山.张宇社会主义经济理论 1999
17.高希均.林祖嘉经济学的世界 2000
18.吉利斯发展经济学 1998
19.斯蒂格利茨.姚开建.刘凤良.吴汉洪经济学 1997
20.邱晓华.郑京平解读中国经济指标 2003
21.顾成奎.王正欧基于神经网络动态非线性非平稳经济系统预测[期刊论文]-系统工程学报 2002(2)
22.张新红小波网络理论及其在经济预测中的应用研究[学位论文]博士 2003
23.陈鸿基于人工神经网络的宏观经济预测模型[期刊论文]-重庆职业技术学院学报 2004(4)
24.马超群.高仁祥经济建模与预测精度分析 1998(05)
25.王凌智能优化算法及其应用 2004
26.李爱国.覃征.鲍复民.贺升平粒子群优化算法[期刊论文]-计算机工程与应用 2002(21)
27.李晓东基于数字图像处理的水泥强度预测模型研究[学位论文]硕士 2004
28.Kennedy J.Eberhart R Particle Swarm Optimization 1995
29.王旭.王宏.王文辉人工神经元网络原理与应用 2000
30.王岁花.冯乃勤.李爱国一类新颖的粒子群优化算法[期刊论文]-计算机工程与应用 2003(13)
31.冯文权经济预测与决策技术 2002
32.格兰杰商业与经济预测 1992
33.Lapeds A Farber Nonlinear singnal processing using neural networks:prediction and
systemmodeling[Technical Report LA-UR-87-2662,Los Alamos National Laboratory.LosAlamos.NM] 1987
34.Matsuba I Application of neural network sequential associator to long-term stock priceprediction
1990
35.Hopfield J Neural Networks and Physical Systemw with Emergent Collective ComputationalAbilities
1982(79)
36.Anne Koehler Softw are view 1993(03)
37.Shoham Y Agent riented Programming A I 1993
38.Leontief w Lags and the stability of dynamo ic systems 1961
本文读者也读过(10条)
1. 宫兵 基于人工神经网络的经济增长预测研究[学位论文]2007
2. 那丹丹 基于人工神经网络的企业综合实力评价方法研究[学位论文]2006
3. 陈鸿 人工神经网络在宏观经济预测中的应用研究[学位论文]2005
4. 周凯.杨梅英.ZHOU Kai.YANG Meiying 基于人工神经网络的高新技术企业合作研发项目风险评价研究[期刊论文
]-科技管理研究2010,30(20)
5. 王钦波.隋永平基于人工神经网络和粒子群优化算法的宏观经济预测研究[期刊论文]-理论学刊2006(3)
6. 许晶 基于BP人工神经网络的区域经济预测研究[学位论文]2009
7. 刘国宏 基于人工神经网络的经济预测研究[学位论文]2005
8. 黄瑞萍 应用中长期宏观经济预测模型分析邯郸市经济发展现状[学位论文]2004
9. 高晓红.郭军基于BP人工神经网络的企业竞争力预测模型[期刊论文]-中国矿业2004,13(8)
10. 胡静 神经网络在股票市场预测中的应用研究[学位论文]2007