基于贝叶斯正则化LSTM模型的人均GDP预测效果——以福建省为例
作者机构：福建农林大学计算机与信息学院 生态与资源统计福建省高校重点实验室福建福州350002
出 版 物：《时代经贸》 (TIMES OF ECONOMY & TRADE)
年 卷 期：2023年第20卷第6期
页 面：140-144页
学科分类：02[经济学] 0201[经济学-理论经济学] 020105[经济学-世界经济]
基 金：国家自然科学基金项目(项目编号:11501108) 福建省自然科学基金项目(项目编号:2019J01400) 福建农林大学科技创新专项基金项目(项目编号:CXZX2019122G)与教育教学改革项目(项目编号:69915001011) 福建农林大学大学生创新创业训练计划项目(项目编号:X202210389168)
主 题：人均GDP预测 LSTM模型 随机森林 贝叶斯正则化
摘 要：人均GDP作为最重要的宏观经济指标,在衡量地区经济发展状况方面发挥了重要作用。本文通过随机森林选取5个对人均GDP有显著影响的因子:固定资产投资完成额、社会消费品零售总额、进出口总额、财政收入、城镇居民可支配收入。利用2014-2020年福建省的宏观经济数据建立基于贝叶斯正则化的LSTM神经网络预测模型,并与四个同类神经网络模型进行比较发现,随机森林-贝叶斯正则化LSTM神经网络的预测精度和鲁棒性要优于同类预测模型,且该方法可用于农业、生物、地质、环境和气象等领域的多元时间序列数据研究。
维普期刊数据库
同方期刊数据库