论文部分内容阅读
对GDP进行高精度的分析预测，对制定经济发展战略、规划年度计划以及各种宏观经济政策，具有重要的理论与现实意义。本文采用RBF神经网络作为工具，建立基于RBF神经网络的GDP时间序列预测模型，并与ARIMA模型进行对比，对上海市22年的GDP数据进行了仿真实验。实验表明，ARIMA模型对上海市GDP数据进行预测的精度仅为91．8754％，而本文提出的tKBF_TSF模型的预测精度则高达95．0360％。这表明本文提出的／CBF—TSF比ARIMA模型在GDP时间序列预测上具有更高的预测精度。同时该模型收敛迅