喻胜华，邓 娟

（1．湖南大学 经济与贸易学院，湖南 长沙 410079； 2．中南大学 数学科学与计算技术学院，湖南 长沙 410075）

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测*

喻胜华1，邓 娟2

（1．湖南大学 经济与贸易学院，湖南 长沙 410079； 2．中南大学 数学科学与计算技术学院，湖南 长沙 410075）

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子，用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型，并把它应用于我国GDP的预测。实证结果表明：通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进，可简化网络结构，增强泛化能力。与其它常用的预测方法相比，该方法数据输入简便，收敛速度快，拟合曲线光滑，且在预测精度上有明显的优势。

主成分分析；贝叶斯正则化；BP神经网络；预测

一 引 言

GDP（国内生产总值）是衡量国民经济发展情况最重要的一个指标，也是经济运行状况的综合反映。自1985年以来，GDP的核算已经成为我国经济管理部门了解经济运行状况的主要手段和制定经济发展战略、规划、年度计划以及各种宏观经济政策的主要依据。因此，如何采用科学的方法来预测GDP，已成为经济学界研究的主要课题。目前，预测GDP的方法很多，主要有回归预测法［1］、时间序列预测法［2－4］、灰色预测 法［5］［6］、马 尔 可 夫 预 测 法［7］以 及 人 工 神 经 网 络 预 测法［8－12］等。前面四种方法属于传统的预测方法，它们大都是对变量之间的因果关系进行分析，实际应用中存在多重共线性和序列相关等问题，而且不可避免的丢失了信息，模拟效果不佳，预测精度难以令人满意。……