光輝

通過建筑業(yè)增加值指標可以了解建筑業(yè)的生產(chǎn)規(guī)模、發(fā)展速度、經(jīng)營成果，并為國家制定經(jīng)濟建設計劃提供依據(jù)，因此，預測建筑業(yè)增加值有一定的現(xiàn)實意義。近年來，諸多研究者構(gòu)建一元線性回歸模型、ARIMA 模型、灰色模型、BP 神經(jīng)網(wǎng)絡模型、系統(tǒng)動力學模型等對建筑業(yè)總產(chǎn)值進行預測，其中灰色模型因建模信息少、運算方便被廣泛使用，但同時存在預測精度低、長期內(nèi)不可預測的缺點，基于此，本文將灰色理論和神經(jīng)網(wǎng)絡理論進行組合，并采用遺傳算法（genetic algorithm，GA）的優(yōu)化模型的初始權(quán)值和閾值，構(gòu)建GA 優(yōu)化灰色神經(jīng)網(wǎng)絡的建筑業(yè)增加值預測模型，并利用該模型對我國建筑業(yè)增加值時間序列進行預測，驗證其適用性和有效性。

1.灰色神經(jīng)網(wǎng)絡模型GM（1,1）-BP

灰色系統(tǒng)模型能夠利用少量數(shù)據(jù)迅速建立預測模型，神經(jīng)網(wǎng)絡模型在處理波動序列數(shù)據(jù)方面有很強的自適應能力?；疑窠?jīng)網(wǎng)絡模型綜合了灰色系統(tǒng)模型和BP 神經(jīng)網(wǎng)絡模型各自優(yōu)點而建立的一種組合預測模型，運用灰色系統(tǒng)理論建立建筑業(yè)增加值時間序列的殘差模型，利用殘差序列對BP 神經(jīng)網(wǎng)絡進行訓練，利用訓練網(wǎng)絡進行預測，文獻利用該模型進行時間序列分析，結(jié)果表明模型在小樣本、貧信息和波動序列等情況下可以進行比較準確的模擬和預測[1]。

1.1 建立預測模型

求解微分方程，得GM（1，1）預測模型：

1.2 建立殘差序列

1.3 求解新的預測值

利用訓練好的網(wǎng)絡預測殘差值，則新的預測值為：

2.建立模型

取我國建筑業(yè)增加值1999 年～2016年統(tǒng)計數(shù)據(jù)，構(gòu)建灰色系統(tǒng)模型，構(gòu)建殘差序列，運用殘差序列訓練BP 神經(jīng)網(wǎng)絡模型，構(gòu)建GA優(yōu)化灰色神經(jīng)網(wǎng)絡模型，并對2017 年～2019 年建筑業(yè)增加值進行預測。計算結(jié)果如表1、表2 所示。

3.結(jié)果分析

通過表1、表2 可以看出，GM（1，1）模型模擬最大絕對誤差值為-8.952百億元，最大相對誤差為31.11%，模擬值相對誤差平均值為13.3%，相關(guān)系數(shù)R2為0.9751，模型預測最大絕對誤差為-16.964 百億元，最大相對誤差為24.12%；GA-GM（1，1）-BP 模型模擬最大絕對誤差值為-2.976 百億元，最大相對誤差為29.71%，模擬值相對誤差平均值為4.7%，相關(guān)系數(shù)R2為0.9961，模型預測最大絕對誤差為-6.894 百億元，最大相對誤差為，9.72%。從上述數(shù)據(jù)可以看出，GA-GM（1，1）-BP 模型能夠有效提高預測精度。

表1 GM（1，1）模型與GA-GM（1，1）-BP 模型回歸值對比

表2 GM（1，1）模型與GA-GM（1，1）-BP 模型預測值對比

4.結(jié)論

（1）采用經(jīng)過遺傳算法優(yōu)化的灰色神經(jīng)網(wǎng)絡模型來預測建筑業(yè)增加值，誤差小，收斂速度快，證明該模型與方法分析此類時間序列數(shù)據(jù)有較好的適用性和準確性。

（2）GA-GM（1，1）-BP 模型精度在很大程度上依靠訓練樣本的數(shù)量，訓練樣本越多，預測精度就越高，應該及時將新的監(jiān)測信息添加到訓練樣本中，及時更新模型以得到更好的預測效果。