基于改进的非线性跟踪-微分器的GDP预测

详细信息    查看全文 | 推荐本文 |

英文篇名：GDP Prediction Based on Improved Nonlinear Tracking-Differentiator 作者：冯金平 ; 王伟 ; 陈宇 英文作者：Feng Jinping;Wang Wei;Chen Yu;School of Mathematics and Statistics,Henan University;School of Mathematics, Renmin University of China;College of Mathematics and Statistics,Minnan Normal University; 关键词：非线性跟踪-微分器 ; 泰勒公式 ; GDP预测 英文关键词：nonlinear tracking-differentiator;;Taylor formula;;GDP prediction 中文刊名：统计与决策 英文刊名：Statistics & Decision 机构：河南大学数学与统计学院;中国人民大学数学学院;闽南师范大学数学与统计学院; 出版日期：2019-07-23 13:14 出版单位：统计与决策 年：2019 期：14 基金：国家自然科学基金资助项目(71531012);; 福建省青年教师教育科研项目(JAT170336) 语种：中文; 页：67-69 页数：3 CN：42-1009/C ISSN：1002-6487 分类号：F124

摘要

文章提出一种不依赖于模型的预测方法,即针对观测数据,在非线性跟踪-微分器(NTD)的基础上,基于泰勒公式获得预测值,以此改进NTD,并将其用于国内生产总值GDP的预测分析。结果表明:改进的NTD可以很方便地用于诸如GDP的预测分析,且提出的改进方法能有效地提高相应的预测精度,与依赖模型的预测方法比较仍有很大优势。
        This paper proposes a model-independent prediction method, that is, on the basis of nonlinear tracking-differentiator(NTD) and Taylor formula, the prediction value is obtained based on Taylor formula, so as to improve NTD, and apply it to the prediction and analysis of gross domestic product(GDP). The results show that the improved NTD can be conveniently used for the prediction analysis such as GDP, and the improved method can effectively increase the corresponding prediction accuracy, and still has great advantages over the model-dependent prediction method.

引文

[1]冯晓龙,张瑞旺,张艳.随机模型在GDP数据预测中的应用[J].统计与决策,2014,(6).
    [2]郭秋艳,何跃.基于DFA方法和BP神经网络的GDP预测模型[J].统计与决策, 2014,(8).
    [3]龚国勇. ARIMA模型在深圳GDP预测中的应用[J].数学的实践与认识, 2008, 38(4).
    [4]刘花璐,汤涛.湖北省GDP预测的数学模型及其影响因素分析[J].数学的实践与认识, 2015, 45(5).
    [5]桂文林,韩兆洲.基于状态空间模型的中国季度GDP季节调整(1996—2009年)[J].数量经济技术经济研究,2011,(7).
    [6]韩京清,王伟.非线性跟踪-微分器[J].系统科学与数学, 1994, 14(2).
    [7]韩京清,袁露林.跟踪-微分器的离散形式[J].系统科学与数学,1999, 19(3).
    [8]武利强,林浩,韩京清.跟踪微分器的滤波性能研究[J].系统仿真学报, 2004, 16(4).
    [9]姚翠珍,韩京清.非线性跟踪-微分器在生育模式预测中的应用[J].系统工程理论与实践, 1996, 16(2).
    [10]刘凤根,王晓芳,张敏.基于非线性跟踪-微分器的金融时间序列预测[J].系统工程理论与实践, 2007, 27(3).