基于贝叶斯正则化LSTM模型的人均GDP预测效果——以福建省为例

人均GDP作为最重要的宏观经济指标,在衡量地区经济发展状况方面发挥了重要作用。本文通过随机森林选取5个对人均GDP有显著影响的因子:固定资产投资完成额、社会消费品零售总额、进出口总额、财政收入、城镇居民可支配收入。利用2014-2020年福建省的宏观经济数据建立基于贝叶斯正则化的LSTM神经网络预测模型,并与四个同类神经网络模型进行比较发现,随机森林-贝叶斯正则化LSTM神经网络的预测精度和鲁棒性要优于同类预测模型,且该方法可用于农业、生物、地质、环境和气象等领域的多元时间序列数据研究。

人工神经网络在湖南工业指标预测中的应用

要想准确推算GDP的增长率并不是件容易的事,必须借助某种工具进行预测,本文利用BP神经网络对湖南省的人均国民生产总值进行分析,对于有关部门正确认识经济发展现状,准确制定经济发展战略具有重要意义。