趙鵬 董倩

摘 要：國內(nèi)生產(chǎn)總值是衡量一個地區(qū)發(fā)展的重要指標，反映該地區(qū)的經(jīng)濟發(fā)展態(tài)勢，因此，對國內(nèi)生產(chǎn)總值進行科學有效的預測具有重要的意義。在眾多學者研究的基礎之上，本文提出了改進的PSO-BP組合模型，以1995—2013年為訓練數(shù)據(jù)，2014—2016年為預測數(shù)據(jù)，借助MATLAB軟件對河北省GDP進行預測。實驗結果顯示，本文預測模型精度要優(yōu)于同類預測模型。

關鍵詞：BP神經(jīng)網(wǎng)絡;GDP;預測模型;MATLAB;經(jīng)濟

本文索引：趙鵬，董倩.<標題>[J].商展經(jīng)濟，2022（01）：-029.

中圖分類號：F127 文獻標識碼：A

改革開放以來，我國經(jīng)濟發(fā)展迅速，取得了巨大成就。同時，也面臨著嚴峻的經(jīng)濟形勢，如何合理利用現(xiàn)有經(jīng)濟數(shù)據(jù)，采取有效的手段，對未來經(jīng)濟發(fā)展進行準確的預判，是經(jīng)濟統(tǒng)計工作者面臨的挑戰(zhàn)。只有準確地預測出區(qū)域GDP[1，2]，才能有效制定出經(jīng)濟發(fā)展策略。在新時期經(jīng)濟背景下，學者通過對GDP的研究，取得了長足進步。王爽等（2020）[3]建立了ARIMA模型，預測了廣東省GDP;唐欣喬等（2021）[4]采用多元統(tǒng)計分析的方法預測了區(qū)域經(jīng)濟的發(fā)展態(tài)勢;劉淇（2021）[5]基于GM（1，1）模型預測了江蘇省GDP;劉兆鵬（2020）[6]借助殘差自回歸模型對安徽省GDP進行了預測。鑒于經(jīng)濟數(shù)據(jù)的非線性和復雜性，為了提高預測精度，本文采用改進的PSO-BP組合模型對河北省GDP進行預測。

1 BP神經(jīng)網(wǎng)絡

BP神經(jīng)網(wǎng)絡根據(jù)誤差的反向傳播[7]，不斷調(diào)整閾值和權值，符合條件后輸出預測值。本文選的激勵函數(shù)為：

2 粒子群算法（PSO）

PSO算法是粒子群算法的一種[8]，計算過程中不斷調(diào)整速度和位置來接近真實值，以下分別為速度和位置迭代公式：

3 改進的PSO-BP組合模型在河北省GDP預測中的應用

PSO通過優(yōu)化初始狀態(tài)下BP神經(jīng)網(wǎng)絡的閾值和權值，使BP神經(jīng)網(wǎng)絡的訓練和預測效果達到最優(yōu)。為了提高PSO算法的全局和局部搜索能力，本文采用正弦函數(shù)替代（4）中的。

影響GDP增長的因素很多，通過查閱資料并結合MATLAB軟件模擬分析，本文選取以下指標量為BP神經(jīng)網(wǎng)絡的輸入量：電力消費量、社會消費品零售總額、經(jīng)營單位所在地進出口總額、固定資產(chǎn)投資、財政支出和財政收入。1995—2013年為訓練數(shù)據(jù)，2014—2016年為預測數(shù)據(jù)，實驗數(shù)據(jù)從河北省統(tǒng)計局和國家統(tǒng)計局網(wǎng)站獲取，如表1所示。

由于數(shù)據(jù)量綱不一致，進行歸一化處理，歸一化公式如下：

對數(shù)據(jù)進行歸一化處理后，最終數(shù)據(jù)在取值。之后，計算數(shù)據(jù)的相關系數(shù)，如表2所示（其中，為財政收入，為財政支出，為固定資產(chǎn)投資，為進出口總額，為社會消費品零售額，為電力消費量，為地區(qū)生產(chǎn)總值）。

由表2結果可以得到，相關系數(shù)接近1，則所選的6個因素與GDP正相關，與GDP有著較強的相關性。之后，借助MATLAB軟件對河北省GDP進行預測，對于改進的PSO-BP組合模型，由于選擇了6個參考因素，預測值只有GDP，所以輸入層節(jié)點數(shù)為6，輸出層節(jié)點數(shù)為1，得到預測結果如表3所示，從表3可以得知誤差范圍在3%以內(nèi)，預測精度還是比較高的。

為了進一步驗證本文組合模型的預測效果，把模型的預測結果與ARIMA模型、GM（1，1）模型預測結果進行比較，得到圖1曲線圖，由圖1可以看出，本文的預測模型效果明顯優(yōu)于ARIMA模型和GM（1，1）模型。

4 結語

鑒于經(jīng)濟運行的復雜性，本文提出了改進的PSO-BP組合模型，以河北省GDP為例，以過去經(jīng)濟數(shù)據(jù)為訓練樣本，對未來GDP值進行預測。實驗結果表明，本文的預測模型精度優(yōu)于同類預測模型，可以為政府制定經(jīng)濟政策提供參考。

參考文獻

孫二林，張為斌.國家及地區(qū)的個數(shù)、人口、GDP分布模型研究[J].科技經(jīng)濟導刊，2021，29（24）：77-80.

辛思涵，張全飛.我國南北方經(jīng)濟差異的研究[J].現(xiàn)代商業(yè)，2021（24）：101-103.

王爽，汪海飛.基于ARIMA模型的海南省國內(nèi)生產(chǎn)總值預測[J].對外經(jīng)貿(mào)，2020（4）：44-46.

唐欣喬，俊皓.多元統(tǒng)計分析在區(qū)域經(jīng)濟發(fā)展中的預測研究[J].中國儲運，2021（2）：161-162.

劉淇.基于GM（1，1）模型的江蘇省GDP預測研究[J].商訊，2021（2）：7-8.

劉兆鵬.殘差自回歸模型在安徽省GDP預測中的應用[J].洛陽師范學院學報，2020，39（11）：11-14.

高紅.基于灰色神經(jīng)網(wǎng)絡模型的江蘇省人口預測[J].江蘇商論，2021（9）：130-132.

劉志勇，王小紅.一種自適應粒子群算法的小波神經(jīng)網(wǎng)絡優(yōu)化[J].機械與電子，2021，39（8）：8-12.