灰色BP神經(jīng)網(wǎng)絡(luò)組合模型在廣州市居民儲(chǔ)蓄額預(yù)測(cè)中的研究

唐嘉燕 唐鴻海

[摘 ? ? ? ? ? 要] ?居民儲(chǔ)蓄額是一種非平穩(wěn)的時(shí)間序列，與實(shí)時(shí)政策影響有關(guān)，同時(shí)作為地區(qū)性總GDP的一大重要指標(biāo)，其預(yù)測(cè)走向?qū)⑹钦块T需要重視的一個(gè)環(huán)節(jié)，處于探索階段。因此，提高儲(chǔ)蓄率預(yù)測(cè)精度需要以較為精確樣本值進(jìn)行數(shù)據(jù)挖掘，同時(shí)采用單一理論模型將無(wú)法得到可實(shí)際應(yīng)用的預(yù)測(cè)效率。因此，基于組合預(yù)測(cè)思想，將采用梯度下降法的BP神經(jīng)網(wǎng)絡(luò)反復(fù)訓(xùn)練，修正灰色Verhulst預(yù)測(cè)的組合模型對(duì)廣州市城鄉(xiāng)居民儲(chǔ)蓄進(jìn)行數(shù)據(jù)挖掘，訓(xùn)練過(guò)程中采用最高準(zhǔn)確率模型進(jìn)行預(yù)測(cè)未來(lái)三年的居民儲(chǔ)蓄額，提前預(yù)知儲(chǔ)蓄率變化走向，及時(shí)提出應(yīng)對(duì)措施。殘差合格檢驗(yàn)很好地反映模型準(zhǔn)確率的提高，具有較好的擬合和預(yù)測(cè)精度。

[關(guān) ? ?鍵 ? 詞] ?灰色Verhulst模型;BP神經(jīng)網(wǎng)絡(luò);反復(fù)訓(xùn)練;殘差合格檢驗(yàn);高準(zhǔn)確率預(yù)測(cè)

[中圖分類號(hào)] ?F832.22 ? ? ? ? ? [文獻(xiàn)標(biāo)志碼] ?A ? ? ? ? ? ?[文章編號(hào)] ?2096-0603（2019）27-0188-04

儲(chǔ)蓄作為信貸資金的主要通道，將作為投資轉(zhuǎn)化的主要來(lái)源，其變化將大大影響社會(huì)再生產(chǎn)過(guò)程和規(guī)模擴(kuò)大，以及可投入使用資本量。

近年來(lái)，在研究居民儲(chǔ)蓄變化情況下多采用主成分回歸或平穩(wěn)時(shí)間序列形式來(lái)進(jìn)行預(yù)測(cè)，往往得不到較為準(zhǔn)確的預(yù)測(cè)數(shù)據(jù)，正因?yàn)楦鱾€(gè)變量皆存在較大的不確定性，其導(dǎo)致預(yù)測(cè)準(zhǔn)確率存在不可避免的數(shù)值誤差。

因此考慮采用流行簡(jiǎn)便理解使用的灰色Verhulst模型和BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合，對(duì)廣州市居民儲(chǔ)蓄額以時(shí)間序列形式進(jìn)行組合預(yù)測(cè)，得到高預(yù)測(cè)率模型預(yù)計(jì)未來(lái)三年走向，提前提出干預(yù)手段。

一、灰色Verhulst預(yù)測(cè)模型

（一）建模原理

灰色預(yù)測(cè)是對(duì)已知準(zhǔn)確的觀測(cè)數(shù)據(jù)的處理，發(fā)現(xiàn)和掌握系統(tǒng)的一定發(fā)展規(guī)律，對(duì)未來(lái)走向做出定量預(yù)測(cè)，其中灰色Verhulst模型主要用來(lái)描述具有飽和狀態(tài)的過(guò)程，即S形過(guò)程，其應(yīng)用理念可用于本文廣州市居民儲(chǔ)蓄額的預(yù)測(cè)問(wèn)題。

（二）建模方法

根據(jù)模型預(yù)測(cè)值和基本走向，可以得出近年來(lái)廣州市居民的儲(chǔ)蓄率在逐漸下降，居民的儲(chǔ)蓄偏好下降將對(duì)廣州市總GDP產(chǎn)生較大的影響，儲(chǔ)蓄作為國(guó)家積累資金的重要來(lái)源，若儲(chǔ)蓄率下降，地區(qū)減少儲(chǔ)蓄資金，銀行用于投資幫助其他中小企業(yè)的資金減少，既不利于扶持中小企業(yè)發(fā)展，也不利于廣州市總GDP的增長(zhǎng)，因此個(gè)人建議政府部門需重視居民儲(chǔ)蓄率，通過(guò)宏觀調(diào)控手段例如調(diào)整銀行利率比等手段促進(jìn)居民儲(chǔ)蓄，提高總儲(chǔ)蓄額。

四、結(jié)語(yǔ)

灰色BP組合模型基于梯度下降法的BP神經(jīng)網(wǎng)絡(luò)修正的灰色Verhuls模型，與普通的灰色預(yù)測(cè)模型的平均相對(duì)誤差、均方差比、灰色關(guān)聯(lián)度更為優(yōu)異，模型預(yù)測(cè)準(zhǔn)確率更高，更符合實(shí)際生活的應(yīng)用?；疑獴P組合模型的準(zhǔn)確率雖然提高到98.80%，但是其仍然未達(dá)到灰色預(yù)測(cè)模型一級(jí)精度指標(biāo)，說(shuō)明模型仍需要改良，可能要借助自記憶原理再度完善模型，使預(yù)測(cè)準(zhǔn)確精度提高到一級(jí)水平。

灰色BP組合模型優(yōu)于普通灰色Verhulst模型，其用于實(shí)際預(yù)測(cè)更為準(zhǔn)確，不僅僅應(yīng)用于居民儲(chǔ)蓄額的時(shí)間序列預(yù)測(cè)，還可以用于徑流模擬、城市用水量等具有一定時(shí)間序列相關(guān)變量的預(yù)測(cè)。

參考文獻(xiàn)：

[1]房少梅.數(shù)學(xué)建模理論、方法及應(yīng)用[M].北京：科學(xué)出版社，2015.

[2]張志涌.精通MATLAB R2011a[M].北京：北京航空航天大學(xué)出版社，2011.

[3]姜啟源，謝金星，葉俊.數(shù)學(xué)模型[M].4版.北京：高等教育出版社，2010.

[4]司守奎，孫璽箐.方程建模與MATLAB軟件[M].北京：清華大學(xué)出版社，2016.

[5]張曉偉，沈冰，黃領(lǐng)梅.基于BP神經(jīng)網(wǎng)絡(luò)的灰色自記憶徑流預(yù)測(cè)模型[J].水力發(fā)電學(xué)報(bào)，2009，28（1）.

[6]袁喆，楊志勇，央曉亮，等.灰色微分動(dòng)態(tài)記憶模型在徑流模擬及預(yù)測(cè)中的應(yīng)用[J].水利學(xué)報(bào)，2013，44（7）.

[7]丑洋，郭琴.灰色自記憶模型預(yù)測(cè)城市用水量[J].地下水，2007，29（2）.

[8]畢生.灰色預(yù)測(cè)方法在油井增產(chǎn)措施評(píng)價(jià)中的應(yīng)用[J].大慶石油地質(zhì)與開(kāi)發(fā)，2003，22（3）.

[9]賈備，鄔亮.基于灰色BP神經(jīng)網(wǎng)絡(luò)組合模型的基坑變形預(yù)測(cè)研究[J].隧道建設(shè)，2009，29（3）.

[10]袁秀娟，夏軍.徑流中長(zhǎng)期預(yù)報(bào)的灰色系統(tǒng)方法研究[J].武漢水利電力大學(xué)學(xué)報(bào)，1994，27（4）.

編輯 陳鮮艷