主成分分析法在神经网络经济预测中的应用  

The Application of Principal Components Analysis to Economic Forecast by Neural Networks

作　　者：张兴会[1] 杜升之[1] 陈增强[2] 袁著祉[2] 莫荣 

机构地区：[1]天津职业技术师范学院 [2]南开大学自动化系 [3]劳动部劳动科学研究所

出　　处：《数量经济技术经济研究》2002年第4期122-125,共4页Journal of Quantitative & Technological Economics

基　　金：国家软科学研究项目<我国失业预警系统与就业对策研究>(K-97-10-50)资助

摘　　要：经济预测问题是典型的多指标小样本复杂系统的预测问题。神经网络非常适用于复杂非线性系统的处理,但神经网络的规模是影响它的泛化能力的一个主要因素。特别在样本集少,指标多的情况下,要保证神经网络的泛化能力,如何降低神经网络的规模就成为亟待解决的关键问题。本文提出了用主成分分析法从根本上降低神经网络的规模,提高神经网络的泛化能力的方法。并对我国失业问题进行了预测,取得了良好的预测结果。

关 键 词：主成分分析法 神经网络 经济预测 应用 泛化能力 失业预测 中国 

分 类 号：F201[经济管理—国民经济] F249.214