基于ＧＭＤＨ方法和ＢＰ神經網絡的經濟預警模型

摘要：文章應用GMDH方法來確定BP神經網絡的輸入指標，對傳統的BP算法進行了改進，使得輸入指標的選擇能自動實現，減少了人為因素的干預。用改進后的BP神經網絡對四川省的工業經濟狀況進行了評價，計算結果表明，訓練后的神經網絡模型能準確對經濟狀況進行評價分類，從而實現對經濟的預警。

關鍵詞：人工神經網絡；BP算法；GMDH方法；經濟預警

一、 引言

BP神經網絡的輸入與輸出關系是一個高度非線性映射關系，如果輸入結點數為n，輸出結點數為m，則網絡是從n維歐氏空間到m維歐氏空間的映射，BP神經網絡的這個特性使它非常適合用于經濟預警。通過調整BP神經網絡中的連接權值以及網絡的規模，可以實現非線性分類等問題，提供良好的分類準確性。然而，一個神經網絡的信息處理功能和自身的拓撲結構有重要關系。為了加強神經網絡的適應和學習能力，優化網絡的拓撲結構是非常必要的。使用神經網絡做經濟預警也有一段時間了，但它們的主要缺點是輸入指標完全依據個人經驗定性篩選。指標少不能反映實際情況，太多又會增加網絡復雜度，因此，本文引入GMDH做指標篩選，以優化網絡的拓撲結構，增強其適應能力，提高預警的準確度。

二、 研究方法

1． 人工神經網絡方法原理。人工神經網絡（Artificial Neural Network，簡稱ANN）是對大腦系統的一階特性的一種描述，它可以采用電子線路或計算機程序來模擬生物體中神經網絡的某些結構和功能，簡單的說，它是一個數學模型，是人工智能研究的一種方法。……