一种经济预测数学模型的建立方法技术

本发明专利技术涉及一种经济预测数学模型的建立方法，利用人工神经网络在复杂非线性函数中建模，针对目前 BP 神经网络在经济预测存在的缺陷，使其在人工鱼群算法、免疫学的基础上，引入免疫人工鱼群算法，通过用免疫人工鱼群算法训练的神经网络具有收敛速度快、学习精度高、泛化能力强等优点，所建立的预测模型的数据优于BP网络的预测结果，更接近实际数据，在国民经济预测方面具有更好的应用价值。

A method for establishing mathematical model of economic prediction

The invention relates to a method to establish the mathematical model of economic forecasting, modeling in complex nonlinear function using artificial neural network, BP neural network aiming at the defects in the existing economic forecasts, which based on artificial fish swarm algorithm, immunology, introduce immune artificial fish swarm algorithm, the neural network with immune artificial fish the algorithm has fast convergence speed and learning the advantages of high precision, strong generalization ability, the prediction results of data the established prediction model is better than BP network, more close to the actual data, application value in the national economy has a better prediction.

【技术实现步骤摘要】
一种经济预测数学模型的建立方法
本专利技术涉及一种经济预测数学模型的建立方法。
技术介绍
随着信息技术的飞速发展,经济发展变化节奏的也日益加快。怎样根据相关经济指标较准确、合理地预测宏观经济形势,已成为我国政府和经济学界越来越重视的课题之一。宏观经济系统是一个国家或地区总体经济状况的综合表现；财政是国民经济的重要组成部分,是重要的宏观调控手段；宏观调控是一项复杂的系统工程,要做到积极而有效的调控,首先要进行预测。GDP是衡量一个国家或地区宏观经济状况的综合表现的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果决定是需要刺激还是抑制经济规模,从而制定相应的宏观调控手段。在现有的预测方法中,时间序列预测和回归预测是两种最常用的统计方法,而宏观经济系统实质上是一个非线性系统,所处环境是处于一种不断变化的状态,附加性干扰因素直接作用于宏观经济系统运行的整个过程,再加上各种原因,导致宏观经济建模所需的历史资料有可能不确定、不完整,从而使得利用传统的预测方法对GDP进行预测变得十分困难,因此将人工神经网络用于经济预测中。近几年来兴起的人工神经网络是一个大规模、并行处理的信息系统。由于其神经元的相互连接及作用函数具有非线性的特点,使得它在处理多变量耦合非线性函数关系中表现出了卓越的能力。己经证明,一个三层的人工神经网络,在隐层节点足够多的情况下,经过充分训练可以以任意精度逼近任何非线性函数,因而人工神经网络在复杂非线性函数的建模中具有巨大的潜力。实践证实神经网络是一种较好的非线性预测方法，特别是BP神经网络具有非线性处理能力强且结构简单等优点而得到广泛的应用。但是BP神经网络也暴露出对训练样本数量和质量要求较高、易陷入局部极小值、初值的优劣对网络最终权值影响较大、收敛速度慢、泛化能力与鲁棒性差等问题，致使经济预测效果不够理想。
技术实现思路
针对以上技术问题，本专利技术的目的在于提供一种经济预测数学模型的建立方法，针对目前BP神经网络在经济预测存在的缺陷，使其在在人工鱼群算法、免疫学的基础上，引入免疫人工鱼群算法，通过用免疫人工鱼群算法训练的神经网络具有收敛速度快、学习精度高、泛化能力强等优点，所建立的预测模型的数据优于BP网络的预测结果，更接近实际数据，在国民经济预测方面具有更好的应用价值。本专利技术是通过以下技术方案实现的：一种经济预测数学模型的建立方法，利用免疫人工鱼群神经网络预测模型进行模型建立，所建立的免疫人工鱼群神经网络预测模型包括输入层、输出层和隐含层各一个，其中输入层神经元有N个，隐含层有H个隐含节点，输出层输出神经元有M个，预测时使用免疫人工鱼群神经网络预测模型。其中，免疫人工鱼群神经网络预测模型中基于免疫的新人工鱼群的产生机制为：①从求解过程或待求问题中选取先验知识或特征信息以提取疫苗δ；②产生新人工鱼的方式：在人工鱼群算法觅食过程中产生X条新人工鱼或随机产生Y条新人工鱼；③新鱼群构建：基于食物浓度的选择算法计算②生成的X+Y条人工鱼中每条鱼的概率，依概率大小选择X条人工鱼组成新鱼群Rx；④接种疫苗：从人工鱼群中按一定比例选取一定数量的人工鱼p，并将提取的疫苗δ对p条人工鱼进行修改，产成新抗体群Ux；⑤免疫选择：计算人工鱼群中的人工鱼的适应度值，若该人工鱼的适应度值不如其父代，则取消接种疫苗，否则保留该人工鱼，形成新一代人工鱼群Qk+1。作为优选，在输入层进行数据输入时，对经济数据进行数据归一化预处理训练。本专利技术的有益效果：本专利技术针对目前BP神经网络在经济预测存在的缺陷，使其在在人工鱼群算法、免疫学的基础上，引入免疫人工鱼群算法，通过用免疫人工鱼群算法训练的神经网络具有收敛速度快、学习精度高、泛化能力强等优点，所建立的预测模型的数据优于BP网络的预测结果，更接近实际数据，在国民经济预测方面具有更好的应用价值。附图说明图1为本专利技术的国民经济预测模型；具体实施例下面将结合本专利技术实施例和附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。BP神经网络的学习过程主要是优化更新权值和阈值的过程。借鉴文献[12]的人工鱼设计思想，根据神经网络拓扑结构设计合适的人工鱼模型及鱼群规模，各个人工鱼及(Ei+Ej)或(Ei－Ej)分别表示为不同的神经网络，网络激活函数为S函数，用前向算法计算每组输入样本的网络输出；IAFSA算法的适应函数(食物浓度)CF用输出均方误差的倒数表示，以指导人工鱼群的觅食、群聚、追尾等行为进化。而两个权值矩阵[wij]、[vui]和两个阈值向量[vuo]、[wio]为人工鱼的变量，也参与IAFSA算法的优化搜索，当网络均方误差指标达到最小时，搜索出最优人工鱼的参数便是BP网络最佳阈值和权值。其中Ei和Ej为不同的两条人工鱼个体(i，j∈{0，1，…，M-1})，vui为第u个输出神经元与第i个隐含层神经元之间的权值；wij为第i个隐含层神经元与第j个输入神经元之间的权值；wio为第i个隐层神经元的阈值；vuo为第u个输出神经元的阈值。人工鱼个体的状态可表示为向量E＝(e1，e2，…，en)，其中ei(i＝1，…，n)为寻优变量，人工鱼当前位置的食物浓度表示为CF且为目标函数值；鱼群中人工鱼的数目，人工鱼个体之间的距离，可视域，拥挤度因子，移动步长的最大值，免疫算子，初始循环计数器，最大循环次数等参数分别用：X，dj，i＝||Ej-Ei||，V，ξ，S，η，num＝0，Number来表示。定义1人工鱼Ei当前位置的食物浓度CF(Ei)采用输出均方误差指标MSE的倒数表示，其公式如下：其中K，X，oji，ohji分别表示为网络输出神经元的个数，训练样本总数，第i个样本由输入计算出的第j个网络输出的实际值和目标值。定义2基于食物浓度的人工鱼(抗体)选择概率：其中由公式(2)可知，与人工鱼(抗体)Ei相似的个体越少则被选中的概率就越大，反之Ei被选中的概率就越小，这保证了适应度低的个体也有机会进化。基于食物浓度机制保持物种多样性的策略从数学理论上确保了人工鱼个体的多样性，有效拓宽搜索空间。用免疫人工鱼群算法训练具有三层前向神经网络，可按以下步骤进行：1)输出训练样本集，设计神经网络各层的节点数并确定其拓扑结构；取[0，1]区间的随机数赋值给神经网络的参数([wij]，[vui]，[vuo]，[wio])，使之构成一个实数数组。输入人工鱼群的X，S，V，ξ，num，Number，η等参数的值，在可视域V内随机产生X条人工鱼(抗体)Ei(i＝1，2，…，M)，组成初始鱼(抗体)群R0。2)对鱼群R0中各人工鱼个体用公式(1)计算其当前位置的适应度值CF，比较CF并取最大值者的人工鱼赋值给公告板。3)各人工鱼分别模拟聚群、追尾行为，相应的参数也参与进化计算，选择行动后CF值较大的行为为实际执行方式，默认活动方式为觅食行为；此外每次行动后都要检查自身的CF值是否优于公告板的CF′，如果是则以自身更新公告板；并选取当前鱼群中最优的Ej(j＝1，2，…，m)作为免疫记忆人工鱼(抗体本文档来自技高网...

【技术保护点】
一种经济预测数学模型的建立方法，其特征在于：利用免疫人工鱼群神经网络预测模型进行模型建立。

【技术特征摘要】
1.一种经济预测数学模型的建立方法，其特征在于：利用免疫人工鱼群神经网络预测模型进行模型建立。2.一种经济预测数学模型的建立方法，其特征在于：，所建立的免疫人工鱼群神经网络预测模型包括输入层、输出层和隐含层各一个，其中输入层神经元有N个，隐含层有H个隐含节点，输出层输出神经元有M个，预测时使用免疫人工鱼群神经网络预测模型。3.根据权利要求1所述的一种经济预测数学模型的建立方法，其特征在于：所述的免疫人工鱼群神经网络预测模型中基于免疫的新人工鱼群的产生机制为：①从求解过程或待求问题中选取先验知识或特征信息以提取疫苗δ；②产生新人工鱼的方式：在人工鱼群...

【专利技术属性】
技术研发人员：王慧，王阳，张军，冯范，苗润菲，张焕巧，吴风敏，常波，胡书珍，邱进凌，
申请(专利权)人：南阳理工学院，
类型：发明
国别省市：河南,41