應用神經網絡進行經濟預測方法的改進

摘 要：應用神經網絡進行經濟預測已成為經濟預測領域的重要手段，本文基于對神經網絡經濟預測方法的概念、特征、優勢的分析，根據神經網絡預測方法的特點，本文提出一些改進方法，希望能夠推動經濟網絡預測方法更好應用。

關鍵詞：神經網絡 應用 經濟預測 改進

神經網絡作為新時代發展最快的人工智能領域研究成果之一，在科學計算、自動控制等方面得到了成功的運用。近年來，我國學者們將神經網絡運用于經濟預測領域，并且不斷地改進應用方法，使基于神經網絡的經濟預測系統更具效益。本文在此背景下，對神經網絡經濟預測的應用進行了研究，圍繞經濟預測的方法應用提出相應的改進建議，從而豐富了經濟增長預測理論與實踐。

一、神經網絡經濟預測的方法的概述

1.概念

神經網絡，是對人腦或自然神經網絡若干基本特征的抽象和模擬。從解剖學和生理學的角度來看，人腦是一個復雜的并行系統，他是由大量的細胞組合而成，這些細胞相互連接。神經細胞與人體中的其他細胞的關鍵區別在于，神經細胞具有產生、處理和傳遞信號的能力。在人工神經網絡的發展過程中，對生物神經系統進行了不同模擬，提出了各種各樣的神經網絡模型，其中具有代表的網絡模型有感知器神經網絡、線性神經網絡、BP網絡、徑向基函數網絡、自組織網絡。

2.特征

神經網絡經濟預測的方法不同傳統的預測方法，它對經濟系統里的多種因素進行分析，進行有效地多輸入、多輸出的經濟預測數據。可以說神經網絡經濟預測的方法具有以下幾種特征：其一，由于神經網絡是由復雜的因素構成的，它的輸入向量維數比較多。其二，經濟系統數據具有很強的非線性，使得輸入的向量各分量之間存在著復雜的耦合關系。其三，經濟系統處在一個“黑箱”模型下，導致數據之間的相互影響不存在明確表達式的關系。神經網絡也會隨著時間的增長，數據呈現出增長的趨勢。

3.優勢

用神經網絡進行經濟預測相對來說比較準確。因為這種神經網絡在計算量允許的范圍內，可以很好地擬合任意多對多的映射關系，數據擬合的結果表明，系統擬合相對誤差在0%—0.75%，比采取回歸分析逼近效果好。此外，神經網絡各層節點之間的聯結權數及閾值恰好可以表達經濟系統中各個因素之間相互交織、相互影響的強耦合關系.而采取多元回歸模型。

往往只能引入少量耦合項以避免模型過于復雜而無法求解.因此，神經網絡比傳統的多元回歸預測方法有更好的擬合能力和準確度。神經網絡的方法是比較適合對經濟預測的，因為它只需要少量訓練樣本就可以確定網絡的權值和閾值從而預測出宏觀經濟發展趨勢，計算簡單、快捷、可靠。總而言之，神經網絡經濟預測方法具有顯著的優勢，是比較適合經濟預測的應用過程的。

二、神經網絡經濟預測方法應用的改進

由于商業、政府和工業所產生的預測間題，其復雜程度越來越高，以致于現有的預測系統難于解決，這就要求我們的預測系統能夠處理復雜度增加的問題，進一步擴展傳統神經網絡預測方法的能力，使得神經網絡系統理論的不斷發展和完善、新的神經網絡預測方法的不斷產生，使得神經網絡預測模型更加實用化、現代化，會給商貿和工農業生產帶來巨大的經濟效益。以下是本人對神經網絡經濟預測方法應用改進的建議：

首先，我們要改進神經網絡經濟預測的過程。確定預測的目的，制定預測的計劃。經濟預測首先要確定預測的目的，從決策和管理的需求出發，緊密聯系實際需要與可能，確定預測要解決的問題。預測計劃是根據預測目的而制定的預測方案，包括預測的內容、項目，預測所需要的資料，準備選用的預測方法，預測的進程和完成的時間以及預測的預算、組織實施等。只有目的明確、計劃科學的預測，才可保證預測的順利進行。

其次，建立新的神經網絡經濟預測模型。經過求增長率再進行歸一化的處理，在給出的以往的數據的增長率范圍內，網絡就可能不再陷入訓練“盲區”。.當采用了足夠年限的已知數據并將其增長率歸一化以后，“被預測年”數據的增長率可能不再會大于那些“已知年”數據的增長率.則外延問題可以得到基本解決。

最后，對神經網絡經濟預測結果進行檢驗，減小誤差。經濟預測是立足于過去及現在的已知推測未來的未知，而過去和現在終歸不是未來，預測結果和未來實際值不可能絕對相符，存在的差異就是預測誤差。為了使預測誤差最小化，檢驗結果通過試探性的反復試驗來確定，預測準確度應盡可能進行外推檢驗。

三、總結

神經網絡經濟預測的方法相對于其他的經濟預測方法，具有獨特的、顯著的優勢，我們可以利用好其優勢，從而有助于我們更好的對經濟發展進行預測分析，從而把握好經濟發展動向，為經濟決策提供依據。因此，我們應當根據社會發展需要，不斷改進神經網絡經濟預測方法的應用，使其效能最優化，為我國經濟發展助力。

參考文獻：

[1]陳健，游瑋，田金信.應用神經網絡進行經濟預測方法的改進[J].哈爾濱工業大學學報，2006（06）

[2]孫冰.人工神經網絡在宏觀經濟預測中的應用[J].哈爾濱商業大學學報（社會科學版），2003（01）

[3]王悅.人工神經網絡在經濟預測中的應用[J].價值工程，2007（05）