[發明專利]一種基于回歸分析的經濟指標預測方法和系統

在審

• 申請號: 201710933920.2
• 申請日: 2017-10-09
• 公開（公告）號: CN107909182A
• 公開（公告）日: 2018-04-13
• 發明（設計）人: 安振宇;孫亭;李毅;滿青珊;陳思;丁杰;童號
• 申請（專利權）人: 中國電子科技集團公司第二十八研究所
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q50/26
• 代理公司: 北京中知法苑知識產權代理事務所(普通合伙)11226
• 代理人: 常玉明

技術領域

本發明涉及到一種基于回歸分析的經濟指標預測方法和系統，屬于人工智能技術領域，尤其是智慧城市相關的人工智能。

背景技術

隨著智慧城市2.0的普及，人工智能的使用越來越受到了大家的重視。在城市運行領域，城市管理者越來越依靠人工智能來進行經濟預測，對經濟發展過程和現象進行分析，以判斷經濟發展的方針、政策的合理性和科學性。

現有技術中的經濟預測方法，往往基于單一模式，采用某一特定算法來獲得預測結果。但是，城市經濟變化具有非線性，各種影響因子存在信息冗余，單一的預測模式無論在預測準確率還是穩定性方面都難以保證。如何能夠克服單一預測模式帶來的影響，使經濟預測更能貼近實際成了擺在大家面前的問題

發明內容

為了解決上述問題，本發明公開了一種基于回歸分析的經濟指標預測方法，包括以下步驟：獲取城市各領域的經濟影響因子和經濟指標；對經濟影響因子進行預處理及降維處理，取前p個主成分作為訓練樣本；將訓練樣本分別輸入BP神經網絡、支持向量機分類器、灰色系統，分別獲得經濟預測模型M1、M2、M3；根據經濟預測模型M1、M2、M3來計算獲得預測經濟值G₁，G₂，G₃；將至少三組預測經濟值引入回歸方程w₁*G₁+w₂*G₂+w₃*G₃＝g，來計算投票權重w₁、w₂、w₃，其中g為實際經濟值；對城市未來經濟進行預測時，分別計算經濟預測模型M1，M2，M3預測的結果g₁、g₂、g₃，根據投票權重w₁、w₂、w₃計算得到最終經濟預測結果F＝w₁*g₁+w2*g₂+w3*g₃。

另外，本發明還公開了一種基于回歸分析的經濟指標預測系統，所述系統包括以下組件：數據獲取模塊：用于獲取城市各領域的經濟影響因子和經濟指標；預處理模塊：用于對經濟影響因子進行預處理，消除量綱不同帶來的影響；降維處理模塊：用于對預處理后的數據進行降維處理，取前p個主成分作為訓練樣本；BP神經網絡模塊，用于對訓練樣本進行處理，獲得經濟預測模型M1；支持向量機分類器模塊，用于對訓練樣本進行處理，獲得經濟預測模型M2；灰色系統模塊，用于對訓練樣本進行處理，獲得經濟預測模型M3；預測經濟值產生模塊，用于根據經濟預測模型M1、M2、M3來計算獲得預測經濟值G₁，G₂，G₃；投票權重計算模塊，用于將至少三組預測經濟值引入回歸方程w₁*G₁+w₂*G₂+w₃*G₃＝g，來計算投票權重w₁、w₂、w₃，其中g為實際經濟值；最終經濟預測結果產生模塊，用于分別計算經濟預測模型M1，M2，M3預測的結果g₁、g₂、g₃，根據投票權重w₁、w₂、w₃計算得到最終經濟預測結果F＝w₁*g₁+w2*g₂+w3*g₃。

本發明公開的城市經濟預測分析方法和系統，通過主成分分析方法實現原始數據的降維處理，綜合神經網絡、支持向量機、灰色系統理論等預測方法的優點，通過回歸分析來得出更合理的預測過程，對于城市經濟指標預測的分析有助于對城市經濟運行情況進行掌握，支撐對城市經濟未來發展進行分析預警。

附圖說明

圖1是城市經濟預測分析方法流程圖。

圖2是BP神經網絡工作示意圖。

圖3是支持向量機分類器工作示意圖。

具體實施方式

為了使本發明的目的、技術方案及優點更加清楚明白，以下結合附圖及實施例，對本發明進行進一步詳細說明，應當理解，此處所描述的具體實施例僅用以解釋本發明，并不用于限定本發明。