基于GM（1，1），BP和ARIMA模型的居民消费价格指数预测研究
摘要
本文通过对CPI数据进行分析，利用滑动平均法分离出季节指数，首先对趋势项建立了灰色预测模型，对周期项建立ARIMA模型，并与由BP神经网络建立的模型比较，得出对周期项由BP神经网络建立的模型预测效果比较好，最后利用乘法模型对其进行集成。
出处
《经济视野》
2014年第2期-,共2页
Economic Vision
二级参考文献21
-
1刘兰娟,谢美萍.基于自适应小波神经网络的数据挖掘方法研究——对我国石油产量的预测分析[J].财经研究,2006,32(3):114-120. 被引量：4
-
2Guillenb R A, Marqueza L, Pasadasa M. Hybridization of intelligent techniques and ARIMA models for time series prediction [J]. Fuzzy Sets and System, 2008, 159: 821-845.
-
3Ong Chorong-Shyong, Huang Jih-Jeng, Tzeng Gwo-Hshiung. Model identification of ARIMA family using genetic algorithms [J]. Applied Mathematics and Computation, 2005, 164: 885-912.
-
4Wedding H D K, Cios K J. Time series forecasting by combing RBF networks, certainty factors, and the Box-Jenkins model [J]. Neurocomputing, 1996, (10): 149-168.
-
5Aslanargun A, Mammadov M, Yazici B, Yoiacan S, Comparison of ARIMA , neural networks and hybrid models in time series: Tourist arrival forecasting [J]. Journal of Statistical Computation and Simulation, 2007, (77): 29-53.
-
6Tseng Fang-Mei, Yu Hsiao-Cheng, Tzeng Gwo-Hsiung. Applied hybrid grey model to forecast sea- sonal time series [J]. Technological Forecasting and Social Change, 2001, 61: 291-302.
-
7Bopp A E. On combining forecasts: Some extensions and results [J]. Management Science, 1985, (31): 502-519.
-
8HorniK, Stinchcombe M, White H. Multilayer feed forward networks are universal approximators [J]. Neural Networks, 1989, (2): 359-366.
-
9韩冬梅,牛文清,杨荣.线性与非线性最优组合预测方法的比较研究[J].情报科学,2007,25(11):1672-1678. 被引量：38
-
10郝香芝,李少颖.我国GDP时间序列的模型建立与预测[J].统计与决策,2007,23(23):4-6. 被引量：28
共引文献61
-
1刘卿.对于库存需求的统计分析[J].天津电力技术,2006(4):33-34.
-
2田祎,李锡太,贾蕾,王小莉,钱海坤,吴晓娜,李爽,王全意.两种模型预测北京市痢疾发病率的效果比较[J].中国热带医学,2013,13(7):841-843.
-
3卢文喜,赵莹.时间序列分析在白城地区地下水位动态分析中的应用[J].节水灌溉,2013(9):54-56.
-
4秦宏瑶,唐勇.基于季节指数的四川省旅游季节性研究[J].资源开发与市场,2014,30(3):374-377. 被引量：8
-
5谢赐福,王孝君,熊姿,宋丽新,许林勇.SARIMA模型在长沙市肺结核发病预测中的应用[J].中国卫生统计,2018,35(6):859-862. 被引量：13
-
6张峰,董会忠,宋亚琪.基于可拓评价的园区循环经济发展水平分析——以白银高新技术产业开发区为例[J].资源开发与市场,2014,30(9):1032-1036. 被引量：2
-
7祝煦,黄正勇.“修正的克强指数”与GDP增长率时间序列建模分析[J].洛阳师范学院学报,2014,33(11):110-115. 被引量：6
-
8万里洋,张峰,董会忠.基于模糊物元可拓的EPR回收模式选择的评价[J].山东理工大学学报（自然科学版）,2015,29(5):74-78.
-
9马银超,梁昌勇,路彩红.基于分类模型的日客流量预测[J].国土资源科技管理,2015,32(5):109-114.
-
10陈洁,曹克章,刘哲.基于时间序列的江苏人均GDP预测研究[J].南京工程学院学报（社会科学版）,2015,15(4):74-78. 被引量：6
-
1查进道.一种基于DE-SVR的逼近算法及其在CPI预测中的应用[J].科技通报,2012,28(12):39-41. 被引量：3
-
2郭庆春,孔令军,崔文娟,寇立群,史永博,张小永.基于我国CPI时间序列的神经网络预测模型[J].价值工程,2011,30(26):16-16. 被引量：2
-
3查进道.基于微分进化算法和灰色微分方程的CPI预测[J].科技创新导报,2015,12(29):252-253.
-
4于开文.对我国2008年居民消费价格指数的预测[J].科技信息,2008(1):251-252. 被引量：4
-
5罗芳琼.一种RBF神经网络的混合学习算法在CPI中的应用[J].计算机与数字工程,2012,40(4):8-11. 被引量：4
-
6张学峰,周超,刘文超.抗野值滑动平均-UKF算法在组合导航中的应用[J].数字技术与应用,2015,0(2):133-134. 被引量：3
-
7姚跃华,牛园园.基于RBF神经网络的CPI预测[J].计算机应用与软件,2010,27(10):92-93. 被引量：10
-
8宏观数据小窗口：2008年11月[J].印刷经理人,2009(1):14-14.
-
94.8％CPI不断攀高与通胀压力[J].国际市场,2008(2):61-61.
-
10赵超美,肖京涛.当CPI遇见PDA[J].数据,2010(2):48-49.
