基于徑向基函數神經網絡的投資預測模型研究.pdf

1、經濟投資預測問題是關系到國計民生的重要問題，特別是產業(yè)投資研究一直受到人們普遍的關注。經濟投資預測的多因素時間序列性決定了該預測是一種非線性預測，用傳統(tǒng)的方法預測時有一定的困難。徑向基函數(RBF)神經網絡具有較好的非線性特性，特別是用于高度非線性系統(tǒng)的處理。本文引入在其它領域中廣泛應用的RBF神經網絡理論，建立新的投資預測模型，為經濟投資預測研究開辟了新的發(fā)展空間。 本文介紹了投資學、經濟預測的基本理論及RBF神經網絡的結構、

2、特性和訓練算法。針對1991-2003年度黑龍江省的三次產業(yè)的投資值和總產值等歷史數據建立投資預測網絡模型、進行仿真、分析仿真結果。論文的主要創(chuàng)新點如下： 1.利用灰色關聯(lián)分析方法確定投資諸要素間的關系。以多年歷史數據為樣本，用灰色關聯(lián)度來描述因素間的關聯(lián)程度。 2.采用RBF神經網絡建立模型，進行模擬訓練，預測結果的相對誤差均在3％以內。并將訓練的結果與BP網絡比較，仿真實驗表明RBF網絡的訓練速度比BP快，預測精度高

3、于BP網絡，具有較好的泛化能力。 3.對投資采用小范圍枚舉法進行微調，以確定最大總產值。以第一、第二、第三產業(yè)中較小的兩個投資值的數據為中心，在某一范圍內進行調整。 4.應用多重網格的思想對投資分配進行合理調整，確定最佳投資分配。通過構造由細到粗的多層網格(5％、10％、15％、20％)，在每個網格層上迭代，能有效地消除各個頻率分量的誤差，提高迭代的收斂率，還減少了工作量。 在已建立投資預測模型及優(yōu)化后投資結構的