浙江工业增加值增长预测研究——基于ARMAX和神经网络混合模型的实证检验

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：本文在综合分析影响工业增加值增长主要因素的基础上,探索构建时间序列、神经网络、混合模型等多种预测模型,对未来浙江工业增加值增长进行预测.研究结果显示:ARMAX时间序列模型、基于RMSprop算法优化的BP神经网络模型、以及ARMAX-BP神经网络混合模型均能有效预测工业增加值增长趋势.其中,ARMAX-BP神经网络混合模型预测效果最佳,适合作为预判工业增加值增长趋势的预测模型.

作者：

杨士鹏、姜玮、陈珍珍

展开 >

作者单位：

浙江省统计局

宁波市统计局

三门县统计局

关键词：

工业增加值 ARMA ARMAX BP神经网络混合模型

出版年：

2022

统计科学与实践

浙江省统计研究与信息发布中心

统计科学与实践

CHSSCD

影响因子：0.22

ISSN：1674-8905

年,卷(期)：2022.(12)

参考文献量4