典型文献
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
文献摘要：
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.
文献关键词：
工业增加值;ARMA;ARMAX;BP神经网络;混合模型
中图分类号：
作者姓名：
杨士鹏;姜玮;陈珍珍
作者机构：
浙江省统计局;宁波市统计局;三门县统计局
文献出处：
引用格式：
[1]杨士鹏;姜玮;陈珍珍-.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)[J].统计科学与实践,2022(12):14-19
A类：
B类：
工业增加值,增长预测,预测研究,ARMAX,混合模型,探索构建,长进,时间序列模型,RMSprop,算法优化
AB值：
0.186785
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。
