浙江工业增加值增长预测研究——基于ARMAX和神经网络混合模型的实证检验  

作　　者：杨士鹏[1] 姜玮 陈珍珍 

机构地区：[1]浙江省统计局 [2]宁波市统计局 [3]三门县统计局

出　　处：《统计科学与实践》2022年第12期14-19,共6页Statistical Theory and Practice

摘　　要：本文在综合分析影响工业增加值增长主要因素的基础上,探索构建时间序列、神经网络、混合模型等多种预测模型,对未来浙江工业增加值增长进行预测。研究结果显示:ARMAX时间序列模型、基于RMSprop算法优化的BP神经网络模型、以及ARMAX-BP神经网络混合模型均能有效预测工业增加值增长趋势。其中,ARMAX-BP神经网络混合模型预测效果最佳,适合作为预判工业增加值增长趋势的预测模型。

关 键 词：工业增加值 ARMA ARMAX BP神经网络 混合模型 

分 类 号：F224[经济管理—国民经济] F427