典型文献
我国居民消费价格指数预测研究——基于LASSO-IPSO-LSTM组合预测模型
文献摘要：
针对CPI时序数据的非线性特征以及传统的统计预测方法、神经网络的不足,文章提出LASSO-IPSO-LSTM组合预测模型.以2011年1月至2020年12月我国CPI月度数据为研究对象,运用LASSO方法筛选出对CPI产生显著影响的指标,利用改进PSO算法优化LSTM网络的超参数,进而构建组合模型对CPI数据进行预测.结果表明,LASSO-IPSO-LSTM组合预测模型的预测误差均小于其他模型,且平均绝对百分比误差仅为0.53％,说明该模型具有良好的泛化能力,可为准确预测CPI提供一种稳定而有效的方法.
文献关键词：
CPI预测;LASSO变量选择;粒子群优化;长短期记忆网络
中图分类号：
作者姓名：
薛洁;冯楠
作者机构：
杭州电子科技大学
文献出处：
引用格式：
[1]薛洁;冯楠-.我国居民消费价格指数预测研究——基于LASSO-IPSO-LSTM组合预测模型)[J].统计科学与实践,2022(07):15-19
A类：
B类：
居民消费价格指数,预测研究,LASSO,IPSO,组合预测模型,CPI,时序数据,非线性特征,统计预测方法,月度,算法优化,超参数,组合模型,预测误差,平均绝对百分比误差,泛化能力,准确预测,变量选择,粒子群优化,长短期记忆网络
AB值：
0.292674
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
