[發(fā)明專(zhuān)利]一種基于回歸分析的經(jīng)濟(jì)指標(biāo)預(yù)測(cè)方法和系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201710933920.2
• 申請(qǐng)日: 2017-10-09
• 公開(kāi)（公告）號(hào): CN107909182A
• 公開(kāi)（公告）日: 2018-04-13
• 發(fā)明（設(shè)計(jì)）人: 安振宇;孫亭;李毅;滿(mǎn)青珊;陳思;丁杰;童號(hào)
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)電子科技集團(tuán)公司第二十八研究所
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q10/06;G06Q50/26
• 代理公司: 北京中知法苑知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙)11226
• 代理人: 常玉明

1.一種基于回歸分析的經(jīng)濟(jì)指標(biāo)預(yù)測(cè)方法，包括：

獲取城市各領(lǐng)域的經(jīng)濟(jì)影響因子和經(jīng)濟(jì)指標(biāo)；

經(jīng)濟(jì)影響因子進(jìn)行預(yù)處理及降維處理，取前p個(gè)主成分作為訓(xùn)練樣本；

將訓(xùn)練樣本分別輸入BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)分類(lèi)器、灰色系統(tǒng)，分別獲得經(jīng)濟(jì)預(yù)測(cè)模型M1、M2、M3；

根據(jù)經(jīng)濟(jì)預(yù)測(cè)模型M1、M2、M3來(lái)計(jì)算獲得預(yù)測(cè)經(jīng)濟(jì)值G₁，G₂，G₃；

將至少三組預(yù)測(cè)經(jīng)濟(jì)值引入回歸方程w₁*G₁+w₂*G₂+w₃*G₃＝g，來(lái)計(jì)算投票權(quán)重w₁、w₂、w₃，其中g(shù)為實(shí)際經(jīng)濟(jì)值；

對(duì)城市未來(lái)經(jīng)濟(jì)進(jìn)行預(yù)測(cè)時(shí)，分別計(jì)算經(jīng)濟(jì)預(yù)測(cè)模型M1，M2，M3預(yù)測(cè)的結(jié)果g₁、g₂、g₃，根據(jù)投票權(quán)重w₁、w₂、w₃計(jì)算得到最終經(jīng)濟(jì)預(yù)測(cè)結(jié)果F＝w₁*g₁+w2*g₂+w3*g₃。

2.根據(jù)權(quán)利要求1所述的經(jīng)濟(jì)指標(biāo)預(yù)測(cè)方法，其特征在于，所述城市各領(lǐng)域經(jīng)濟(jì)影響因子包括城市基礎(chǔ)建設(shè)、教育、交通、能源、人口、信息服務(wù)等對(duì)經(jīng)濟(jì)產(chǎn)生影響的因素，所述經(jīng)濟(jì)指標(biāo)為GDP。

3.根據(jù)權(quán)利要求2所述的經(jīng)濟(jì)指標(biāo)預(yù)測(cè)方法，其特征在于，所述對(duì)輸入的數(shù)據(jù)進(jìn)行預(yù)處理用于消除量綱不同帶來(lái)的影響，所述降維處理采用主成分分析法。

4.根據(jù)權(quán)利要求3所述的經(jīng)濟(jì)指標(biāo)預(yù)測(cè)方法，其特征在于，所述采用主成分分析法實(shí)現(xiàn)降維處理具體如下：

輸入經(jīng)濟(jì)影響因子組成二維矩陣A^L×N；利用奇異值分解方法，將其降維至p維，得到矩陣Ap，具體方法如下：

S1：輸入二維矩陣A^L×N；

S2：計(jì)算AA^T并對(duì)其進(jìn)行奇異值SVD分解，得到矩陣U^L×L，Λ^L×N和V^N×N，滿(mǎn)足U×Λ×V＝AA^T；

S3：初始化p＝1，增加p直到條件首次滿(mǎn)足，則此時(shí)的p為頂點(diǎn)數(shù)目，即需要降維的維度；

S4：使用svds分解A，保留p個(gè)特征，得到U_p，S_p，V_p，滿(mǎn)足U_p×S_p×V_p≈A；最后得到

5.根據(jù)權(quán)利要求1所述的經(jīng)濟(jì)指標(biāo)預(yù)測(cè)方法，其特征在于，將訓(xùn)練樣本輸入BP神經(jīng)網(wǎng)絡(luò)獲得經(jīng)濟(jì)預(yù)測(cè)模型M1包括以下步驟：

1)：網(wǎng)絡(luò)初始化：假設(shè)輸入層的節(jié)點(diǎn)個(gè)數(shù)為n，隱含層的節(jié)點(diǎn)個(gè)數(shù)為1，輸出層的節(jié)點(diǎn)個(gè)數(shù)為m；輸入層到隱含層的權(quán)重，隱含層到輸出層的權(quán)重為ω_i，j，輸入層到隱含層的偏置為α_j，隱含層到輸出層的偏置為b_k；學(xué)習(xí)速率為η，激勵(lì)函數(shù)為g(x)；其中激勵(lì)函數(shù)取Sigmoid函數(shù)，形式為：

g(x)=11+e-x;]]>

2)：隱含層輸出：

3)：輸出層輸出：

4)：計(jì)算誤差：

5)：更新權(quán)值：

6)：更新偏置：

7)：判斷迭代次數(shù)是否大于10000或兩次誤差即小于10^(-5)，若是則結(jié)束，若否則繼續(xù)執(zhí)行；

得到模型M1為