主成分分析—径向基函数在GDP预测中的应用

详细信息    查看全文 | 推荐本文 |

英文篇名：Application of RBF based on principal component analysis in GDP forecast 作者：屠越栋 ; 陈西江 英文作者：TU Yue-dong;CHEN Xi-jiang;Shanghai Institute of Geological Engineering Exploration;Shanghai Geotechnical Engineering Detecting Centre;School of Geodesy and Geomatics,Wuhan University; 关键词：GDP ; 主成分分析 ; 径向基函数 英文关键词：GDP;;principal component analysis;;RBF 中文刊名：CHKD 英文刊名：Science of Surveying and Mapping 机构：上海市地矿工程勘察院;上海市岩土工程检测中心;武汉大学测绘学院; 出版日期：2013-05-03 17:27 出版单位：测绘科学 年：2013 期：v.38;No.186 语种：中文; 页：CHKD201306027 页数：3 CN：06 ISSN：11-4415/P 分类号：86-88

摘要

本文针对GDP影响因子之间存在着相关性的现象,采用主成分分析对GDP影响因子进行综合分析,消除影响因子间的信息重叠,降低输入维数,利用径向基函数(RBF)网络模型对近20多年的GDP进行预测。结果表明,由主成分分析和径向基函数网络相结合的组合预测模型的预测精度明显高于RBF预测。
        In consideration of the correlation between GDP impact factors,GDP impact factors were comprehensively analyzed by principal component analysis to eliminate duplication of information between the impact factors and reduce input dimension in the paper. The RBF network model was used for predicting the GDP of the past 20 years. The results showed that the combined forecast model by the principal component analysis and RBF networks would have significant precision superior to RBF.

引文

[1]赵秀恒,李明,李昆山.BP神经网络在GDP预测中的应用研究[J].河北经贸大学学报(综合版),2006,6(3):90-93.
    [2]张晓春,徐晖,邓念武,陈仁喜.径向基函数神经网络在大坝安全监测数据处理中的应用[J].武汉大学学报,2003,36(2):33-36.
    [3]许增福,吴贵生,王宏伟,柳明旺.基于径向基神经网络的经济预测方法.经济师[J].经济研究,2008,(5).
    [4]张金玲.GDP影响因素的计量分析[J].当代经理人,2006,(11):205.
    [5]李雪红,徐洪钟,顾冲时,周晓贤.主成分神经网络模型在大坝观测资料分析中的应用[J].大坝观测与土工测试,2001,25(5):14—16.
    [6]杨瑞兰.基于遗传算法的径向基神经网络学习算法[J].高等理科教育,2008,(5):101-104.
    [7]崔华清,赵正信.径向基神经网络在软基沉降预测中的应用[J].中国水运,2008,(1):68-70.
    [8]周俊武,孙传尧,王福利.径向基函数(RBF)网络的研究及实现[J].矿冶,2001,10(4):71-75.