[發明專利]一種基于神經網絡的經濟預測方法

在審

• 申請號: 201910614831.0
• 申請日: 2019-07-09
• 公開（公告）號: CN110322072A
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 程新宇
• 申請（專利權）人: 程新宇
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/00
• 代理公司: 南京利豐知識產權代理事務所(特殊普通合伙) 32256
• 代理人: 王茹

本發明請求保護一種基于神經網絡的經濟預測方法，確定多個子區域中的各個子區域的時空相關性，基于各個子區域的時空相關性來構建時空神經網絡，將優化后的權值賦給Huffman網絡，用以建模并預測，以經濟運行維護費的預測值為輸出，建立經濟運行維護費預測模型，對經濟運行維護費進行準確合理的估算。本發明模型預測經濟行為，再建立分類模型預測經濟狀況，在深度預測中，對經濟狀況標注數據需求少，減少標注工作，提高預測效率。本發明的模型可以利用原始數據，減少特征工程的工作量。本發明算法很好克服傳統方法的缺陷，能夠全面、準確描述經濟時間序列變化規律，提高了經濟預測精度。

技術領域

本公開涉及神經網絡技術，更特別地涉及一種基于神經網絡的經濟預測方法。

背景技術

國內生產總值(Gross Domestic Product，簡稱GDP)是衡量國民經濟發展情況最重要的一個指標，也是經濟運行狀況的綜合反映。準確地預測GDP，為經濟發展提供政策參考，具有重要的現實意義。GDP預測是對GDP時間序列的預測，而GDP時間序列是特殊形式的一組數據，在這組數據中前面的數據對后面的數據會產生影響，這種影響關系表現為一定的趨勢變化或周期變化等。而該影響關系一般是非線性，很難建立定量的、固定的數學關系式。目前的研究方法主要有線性預測方法和非線性預測方法，如平滑法、德爾斐法、投入產出、經濟計量模型、馬爾可夫預測、灰色預測、神經網絡方法等等。經濟系統是一個非常復雜的系統，其中廣泛存在著非線性、時變性和不確定作用關系。在計量經濟學基礎上建立的各種經濟模型，大部分都是線性模型。線性模型在發揮巨大作用的同時，也逐漸顯露出它的缺陷，即很難把握經濟系統中的非線性現象，因而必然造成經濟預測的誤差加大。而人工神經網絡則可以有效地解決此類問題，理論上人工神經網絡可以逼近任意非線性函數并可以隨機調整。

人工神經網絡(Artificial neural network，ANN)是模擬人腦工作機制而建立的計算理論與技術。神經生物學家是以自下而上方法從單個神經到神經網絡對刺激響應進行研究，而神經生理學家是自上而下方式對腦的認識與行為功能進行研究，在對腦的部分功能有了一定認識的基礎上，數學家、計算機科學家與工程技術員，企圖用數學的方法表現腦的工作過程。從1943年McCulloch和Pitts提出M－P神經網絡模型開始，ANN已經取得了在理論、技術與應用方面的效果，應用范圍涉及神經生理科學、認識科學、數理科學、心理科學、信息科學、計算機科學、管理科學、環境科學等學科。由于ANN高度抽象地模擬人腦思維過程和神經元之間并行存貯、傳遞信息與信息處理功能，其并行性、容錯性、穩定性以及自學習、高度的非線性、自組織和聯想記憶等特點，使ANN模型具有很強的適應性和應用價值。

然而，時空數據并非總是同質化的，而是常常存在異質性，即不同類別的時空數據的時間相關性和/或空間相關性是有差別的。而上述的時空神經網絡構建方法對于所有數據均采用的相同來處理，因此對于具有異質性的時空數據，該時空神經網絡并不適用。傳統的BP算法雖然能保證網絡學習過程的最終收斂，但存在顯著局限性：(1)這個網絡易陷入局部極小，可能得不到整體最優解；(2)學習訓練時間長。以往研究雖然對BP算法做了改進，但沒有對各種改進算法進行比較，而且近年來出現了新的改進算法，比如Levenberg－Marquardt優化方法，因此，運用不同改進BP算法的人工神經網絡對GDP進行預測，來揭示其變化規律和發展趨勢，為制定科學的宏觀調控政策提供科學依據。

發明內容

為了解決當前神經網絡對于預測方面，尤其是經濟的預測準確性，本發明請求保護一種基于神經網絡的經濟預測方法，其特征在于，包括：

步驟一：確定多個子區域中的各個子區域的時空相關性，基于各個子區域的時空相關性來構建時空神經網絡；