Прогнозирование региональной динамики с учетом пространственной взаимосвязи на основе нейронных сетей
Построение разных типов моделей с учетом и без учета пространственной зависимости. Комбинирование прогнозов для увеличения точности прогнозирования. Сравнительный анализ нейросетевых и регрессионных моделей прогноза без учета пространственного лага.
| Рубрика | Экономика и экономическая теория |
| Вид | диссертация |
| Язык | русский |
| Дата добавления | 30.07.2016 |
| Размер файла | 534,3 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
sPPE[47,(j+1)] <- 1-sum(gdp47.predict)/sum(gdp.actual)
sPPE[48,(j+1)] <- 1-sum(gdp48.predict)/sum(gdp.actual)
sPPE[49,(j+1)] <- 1-sum(gdp49.predict)/sum(gdp.actual)
sPPE[50,(j+1)] <- 1-sum(gdp50.predict)/sum(gdp.actual)
sPPE[51,(j+1)] <- 1-sum(gdp51.predict)/sum(gdp.actual)
sPPE[52,(j+1)] <- 1-sum(gdp52.predict)/sum(gdp.actual)
sPPE[53,(j+1)] <- 1-sum(gdp53.predict)/sum(gdp.actual)
sPPE[54,(j+1)] <- 1-sum(gdp54.predict)/sum(gdp.actual)
sPPE[55,(j+1)] <- 1-sum(gdp55.predict)/sum(gdp.actual)
sPPE[56,(j+1)] <- 1-sum(gdp56.predict)/sum(gdp.actual)
sPPE[57,(j+1)] <- 1-sum(gdp57.predict)/sum(gdp.actual)
sPPE[58,(j+1)] <- 1-sum(gdp58.predict)/sum(gdp.actual)
sPPE[59,(j+1)] <- 1-sum(gdp59.predict)/sum(gdp.actual)
sPPE[60,(j+1)] <- 1-sum(gdp60.predict)/sum(gdp.actual)
sPPE[61,(j+1)] <- 1-sum(gdp61.predict)/sum(gdp.actual)
sPPE[62,(j+1)] <- 1-sum(gdp62.predict)/sum(gdp.actual)
sPPE[63,(j+1)] <- 1-sum(gdp63.predict)/sum(gdp.actual)
sPPE[64,(j+1)] <- 1-sum(gdp64.predict)/sum(gdp.actual)
sPPE[65,(j+1)] <- 1-sum(gdp65.predict)/sum(gdp.actual)
sPPE[66,(j+1)] <- 1-sum(gdp66.predict)/sum(gdp.actual)
sPPE[67,(j+1)] <- 1-sum(gdp67.predict)/sum(gdp.actual)
sPPE[68,(j+1)] <- 1-sum(gdp68.predict)/sum(gdp.actual)
sPPE[69,(j+1)] <- 1-sum(gdp69.predict)/sum(gdp.actual)
sPPE[70,(j+1)] <- 1-sum(gdp70.predict)/sum(gdp.actual)
sPPE[71,(j+1)] <- 1-sum(gdp71.predict)/sum(gdp.actual)
sPPE[72,(j+1)] <- 1-sum(gdp72.predict)/sum(gdp.actual)
sPPE[73,(j+1)] <- 1-sum(gdp73.predict)/sum(gdp.actual)
sPPE[74,(j+1)] <- 1-sum(gdp74.predict)/sum(gdp.actual)
sPPE[75,(j+1)] <- 1-sum(gdp75.predict)/sum(gdp.actual)
sPPE[76,(j+1)] <- 1-sum(gdp76.predict)/sum(gdp.actual)
sPPE[101,(j+1)] <- 1-sum(gdp101.predict)/sum(gdp.actual)
sPPE[102,(j+1)] <- 1-sum(gdp102.predict)/sum(gdp.actual)
sPPE[103,(j+1)] <- 1-sum(gdp103.predict)/sum(gdp.actual)
sPPE[104,(j+1)] <- 1-sum(gdp104.predict)/sum(gdp.actual)
sPPE[105,(j+1)] <- 1-sum(gdp105.predict)/sum(gdp.actual)
sPPE[106,(j+1)] <- 1-sum(gdp106.predict)/sum(gdp.actual)
sPPE[107,(j+1)] <- 1-sum(gdp107.predict)/sum(gdp.actual)
sPPE[108,(j+1)] <- 1-sum(gdp108.predict)/sum(gdp.actual)
sPPE[109,(j+1)] <- 1-sum(gdp109.predict)/sum(gdp.actual)
sPPE[110,(j+1)] <- 1-sum(gdp110.predict)/sum(gdp.actual)
sPPE[111,(j+1)] <- 1-sum(gdp111.predict)/sum(gdp.actual)
sPPE[112,(j+1)] <- 1-sum(gdp112.predict)/sum(gdp.actual)
sPPE[113,(j+1)] <- 1-sum(gdp113.predict)/sum(gdp.actual)
sPPE[114,(j+1)] <- 1-sum(gdp114.predict)/sum(gdp.actual)
sPPE[115,(j+1)] <- 1-sum(gdp115.predict)/sum(gdp.actual)
sPPE[116,(j+1)] <- 1-sum(gdp116.predict)/sum(gdp.actual)
sPPE[117,(j+1)] <- 1-sum(gdp117.predict)/sum(gdp.actual)
sPPE[118,(j+1)] <- 1-sum(gdp118.predict)/sum(gdp.actual)
sPPE[119,(j+1)] <- 1-sum(gdp119.predict)/sum(gdp.actual)
}
MAPPE
sPPE
err.01 <- gdp - gdp.01
err.02 <- gdp - gdp.02
err.03 <- gdp - gdp.03
err.04 <- gdp - gdp.04
err.05 <- gdp - gdp.05
err.06 <- gdp - gdp.06
err.07 <- gdp - gdp.07
err.08 <- gdp - gdp.08
err.09 <- gdp - gdp.09
err.10 <- gdp - gdp.10
err.11 <- gdp - gdp.11
err.12 <- gdp - gdp.12
err.13 <- gdp - gdp.13
err.14 <- gdp - gdp.14
err.15 <- gdp - gdp.15
err.16 <- gdp - gdp.16
err.17 <- gdp - gdp.17
err.18 <- gdp - gdp.18
err.19 <- gdp - gdp.19
err.20 <- gdp - gdp.20
err.21 <- gdp - gdp.21
err.22 <- gdp - gdp.22
err.23 <- gdp - gdp.23
err.24 <- gdp - gdp.24
err.25 <- gdp - gdp.25
err.26 <- gdp - gdp.26
err.27 <- gdp - gdp.27
err.28 <- gdp - gdp.28
err.29 <- gdp - gdp.29
err.30 <- gdp - gdp.30
err.31 <- gdp - gdp.31
err.32 <- gdp - gdp.32
err.33 <- gdp - gdp.33
err.34 <- gdp - gdp.34
err.35 <- gdp - gdp.35
err.36 <- gdp - gdp.36
err.37 <- gdp - gdp.37
err.38 <- gdp - gdp.38
err.39 <- gdp - gdp.39
err.40 <- gdp - gdp.40
err.41 <- gdp - gdp.41
err.42 <- gdp - gdp.42
err.43 <- gdp - gdp.43
err.44 <- gdp - gdp.44
err.45 <- gdp - gdp.45
err.46 <- gdp - gdp.46
err.47 <- gdp - gdp.47
err.48 <- gdp - gdp.48
err.49 <- gdp - gdp.49
err.50 <- gdp - gdp.50
err.51 <- gdp - gdp.51
err.52 <- gdp - gdp.52
err.53 <- gdp - gdp.53
err.54 <- gdp - gdp.54
err.55 <- gdp - gdp.55
err.56 <- gdp - gdp.56
err.57 <- gdp - gdp.57
err.58 <- gdp - gdp.58
err.59 <- gdp - gdp.59
err.60 <- gdp - gdp.60
err.61 <- gdp - gdp.61
err.62 <- gdp - gdp.62
err.63 <- gdp - gdp.63
err.64 <- gdp - gdp.64
err.65 <- gdp - gdp.65
err.66 <- gdp - gdp.66
err.67 <- gdp - gdp.67
err.68 <- gdp - gdp.68
err.69 <- gdp - gdp.69
err.70 <- gdp - gdp.70
err.71 <- gdp - gdp.71
err.72 <- gdp - gdp.72
err.73 <- gdp - gdp.73
err.74 <- gdp - gdp.74
err.75 <- gdp - gdp.75
err.76 <- gdp - gdp.76
err.101 <- gdp - gdp.101
err.102 <- gdp - gdp.102
err.103 <- gdp - gdp.103
err.104 <- gdp - gdp.104
err.105 <- gdp - gdp.105
err.106 <- gdp - gdp.106
err.107 <- gdp - gdp.107
err.108 <- gdp - gdp.108
err.109 <- gdp - gdp.109
err.110 <- gdp - gdp.110
err.111 <- gdp - gdp.111
err.112 <- gdp - gdp.112
err.113 <- gdp - gdp.113
err.114 <- gdp - gdp.114
err.115 <- gdp - gdp.115
err.116 <- gdp - gdp.116
err.117 <- gdp - gdp.117
err.118 <- gdp - gdp.118
err.119 <- gdp - gdp.119
err.all <- data.frame(
err.01,
err.02,
err.03,
err.04,
err.05,
err.06,
err.07,
err.08,
err.09,
err.10,
err.11,
err.12,
err.13,
err.14,
err.15,
err.16,
err.17,
err.18,
err.19,
err.20,
err.21,
err.22,
err.23,
err.24,
err.25,
err.26,
err.27,
err.28,
err.29,
err.30,
err.31,
err.32,
err.33,
err.34,
err.35,
err.36,
err.37,
err.38,
err.39,
err.40,
err.41,
err.42,
err.43,
err.44,
err.45,
err.46,
err.47,
err.48,
err.49,
err.50,
err.51,
err.52,
err.53,
err.54,
err.55,
err.56,
err.57,
err.58,
err.59,
err.60,
err.61,
err.62,
err.63,
err.64,
err.65,
err.66,
err.67,
err.68,
err.69,
err.70,
err.71,
err.72,
err.73,
err.74,
err.75,
err.76,
err.101,
err.102,
err.103,
err.104,
err.105,
err.106,
err.107,
err.108,
err.109,
err.110,
err.111,
err.112,
err.113,
err.114,
err.115,
err.116,
err.117,
err.118,
err.119)
K <- 0.1
include <- abs(unlist(lapply(na.omit(err.all)[1:5]/gdp[complete.cases(err.all)],mean)))<0.95
err.all2 <- na.omit(err.all[,include])
corrgram(err.all2, upper.panel=panel.conf, diag.panel=panel.density)
f.data <- data.frame( gdp,
year,
gdp.01,
gdp.03,
gdp.10,
gdp.11,
gdp.22,
gdp.23,
gdp.24,
gdp.26,
gdp.34,
gdp.35,
gdp.36,
gdp.37,
gdp.38,
gdp.39,
gdp.40,
gdp.41,
gdp.57,
gdp.60,
gdp.64,
gdp.68,
gdp.73,
gdp.101,
gdp.102,
gdp.103,
gdp.104,
gdp.105,
gdp.106,
gdp.107,
gdp.108,
gdp.109,
gdp.110,
gdp.111,
gdp.112,
gdp.113,
gdp.114,
gdp.115,
gdp.116,
gdp.117,
gdp.118,
gdp.119)
err.data <- data.frame(
err.01 = gdp - gdp.01,
err.03 = gdp - gdp.03,
err.10 = gdp - gdp.10,
err.01 = gdp - gdp.11,
err.22 = gdp - gdp.22,
err.01 = gdp - gdp.23,
err.24 = gdp - gdp.24,
err.26 = gdp - gdp.26,
err.34 = gdp - gdp.34,
err.35 = gdp - gdp.35,
err.01 = gdp - gdp.36,
err.01 = gdp - gdp.37,
err.38 = gdp - gdp.38,
err.39 = gdp - gdp.39,
err.01 = gdp - gdp.40,
err.01 = gdp - gdp.41,
err.01 = gdp - gdp.57,
err.60 = gdp - gdp.60,
err.61 = gdp - gdp.64,
err.01 = gdp - gdp.68,
err.01 = gdp - gdp.73,
err.101 = gdp - gdp.101,
err.102 = gdp - gdp.102,
err.103 = gdp - gdp.103,
err.104 = gdp - gdp.104,
err.105 = gdp - gdp.105,
err.106 = gdp - gdp.106,
err.107 = gdp - gdp.107,
err.108 = gdp - gdp.108,
err.109 = gdp - gdp.109,
err.110 = gdp - gdp.110,
err.111 = gdp - gdp.111,
err.112 = gdp - gdp.112,
err.113 = gdp - gdp.113,
err.114 = gdp - gdp.114,
err.115 = gdp - gdp.115,
err.116 = gdp - gdp.116,
err.117 = gdp - gdp.117,
err.116 = gdp - gdp.118,
err.119 = gdp - gdp.119)
corrgram(err.data, upper.panel=panel.conf, diag.panel=panel.density)
year.start <- 1994
year.cut <- 2010
years.train <- year.start:year.cut
years.test <- (year.cut+1):2013
w1 <- 1/gdp[year %in% years.train]
w2 <- (year[year %in% years.train]-year.start+1)^0.5
w3 <- (year[year %in% years.train]-year.start+1)
w4 <- (year[year %in% years.train]-year.start+1)^2
N.combs <- 14
combs <- vector('list',N.combs)
combs[[1]]$formula <- gdp~gdp.01+gdp.35
combs[[2]]$formula <- gdp~gdp.11+gdp.35
combs[[3]]$formula <- gdp~gdp.22+gdp.35
combs[[4]]$formula <- gdp~gdp.24+gdp.57
combs[[5]]$formula <- gdp~gdp.26+gdp.35
combs[[6]]$formula <- gdp~gdp.34+gdp.35
combs[[7]]$formula <- gdp~gdp.35+gdp.38
combs[[8]]$formula <- gdp~gdp.35+gdp.38+gdp.40
combs[[9]]$formula <- gdp~gdp.35+gdp.38+gdp.101
combs[[10]]$formula <- gdp~gdp.35+gdp.40+gdp.102
combs[[11]]$formula <- gdp~gdp.35+gdp.38+gdp.40+gdp.107
combs[[12]]$formula <- gdp~gdp.36+gdp.37
combs[[13]]$formula <- gdp~gdp.35+gdp.107
combs[[14]]$formula <- gdp~gdp.38+gdp.107
for(j in 1:N.combs) {
combs[[j]]$comb.w0 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,])
combs[[j]]$comb.w1 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,],weights=w1)
combs[[j]]$comb.w2 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,],weights=w2)
combs[[j]]$comb.w3 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,],weights=w3)
combs[[j]]$comb.w4 <- lm(combs[[j]]$formula, data=f.data[year %in% years.train,],weights=w4)
combs[[j]]$pred.w0 <- predict(combs[[j]]$comb.w0, newdata=f.data[year %in% years.test,])
combs[[j]]$pred.w1 <- predict(combs[[j]]$comb.w1, newdata=f.data[year %in% years.test,])
combs[[j]]$pred.w2 <- predict(combs[[j]]$comb.w2, newdata=f.data[year %in% years.test,])
combs[[j]]$pred.w3 <- predict(combs[[j]]$comb.w3, newdata=f.data[year %in% years.test,])
combs[[j]]$pred.w4 <- predict(combs[[j]]$comb.w4, newdata=f.data[year %in% years.test,])
combs[[j]]$err.w0 <- gdp[year %in% years.test] - combs[[j]]$pred.w0
combs[[j]]$err.w1 <- gdp[year %in% years.test] - combs[[j]]$pred.w1
combs[[j]]$err.w2 <- gdp[year %in% years.test] - combs[[j]]$pred.w2
combs[[j]]$err.w3 <- gdp[year %in% years.test] - combs[[j]]$pred.w3
combs[[j]]$err.w4 <- gdp[year %in% years.test] - combs[[j]]$pred.w4
combs[[15]]$MAPPEs <- c(mean(abs(combs[[j]]$err.w0/gdp[year %in% years.test])),
mean(abs(combs[[j]]$err.w1/gdp[year %in% years.test])),
mean(abs(combs[[j]]$err.w2/gdp[year %in% years.test])),
mean(abs(combs[[j]]$err.w3/gdp[year %in% years.test])),
mean(abs(combs[[j]]$err.w4/gdp[year %in% years.test])))
combs[[j]]$MAPPE.best <- min(combs[[j]]$MAPPEs)
combs[[j]]$w.best <- which.min(combs[[j]]$MAPPEs)-1
}
MAPPEs.best <- NA
w.best <- NA
for(j in 1:N.combs) {
MAPPEs.best[j] <- combs[[j]]$MAPPE.best
w.best[j] <- combs[[j]]$w.best
}
MAPPEs.best
w.best
Размещено на Allbest.ur
Подобные документы
Расчет основных характеристик рядов динамики показателей денежного обращения в России. Выявление тенденций показателей денежного обращения на основе метода аналитического выравнивания и прогнозирования. Построение динамических регрессионных моделей.
курсовая работа [322,9 K], добавлен 23.10.2014Необходимость применения достоверного прогноза на базе методов и моделей научного прогнозирования для эффективного регулирования экономики. Описание основных методов и моделей экономического прогнозирования, представляющих экономико-политический интерес.
реферат [13,0 K], добавлен 11.04.2010Анализ социально-экономического развития Российской Федерации. Построение экономических моделей. Оценка объектов собственности. Прогнозы развития моделей смешанной экономики. Основные направления развития российской смешанной экономической системы.
курсовая работа [691,9 K], добавлен 26.08.2017Обзор математических моделей финансовых пирамид. Анализ модели динамики финансовых пузырей Чернавского. Обзор модели долгосрочного социально-экономического прогнозирования. Оценка приоритета простых моделей. Вывод математической модели макроэкономики.
курсовая работа [1,7 M], добавлен 27.11.2017Основные понятия прогнозирования и нейронных сетей, описание принципов их работы. Общая характеристика методов прогнозирования. Анализ проблемы организации сбыта на предприятии ООО "Славянка". Прогноз экономических показателей сбыта различными методами.
курсовая работа [1009,1 K], добавлен 18.10.2011Методические рекомендации и задания по установлению общей тенденции развития явления во времени и по определению прогнозных значений ряда динамики на основе выявленного тренда. Составление надежных прогнозов развития социально-экономических явлений.
методичка [64,2 K], добавлен 15.11.2010Анализ системы показателей, характеризующих как адекватность модели, так и ее точность; определение абсолютной и средней ошибок прогноза. Основные показатели динамики экономических явлений, использование средних значений для сглаживания временных рядов.
контрольная работа [16,7 K], добавлен 13.08.2010Задачи, классификация, этапы и принципы прогнозов, сущность системного подхода. Характеристика методов экономического прогнозирования, его информационное обеспечение. Методические приемы использования типовых прогнозов, суть регрессионного анализа.
учебное пособие [2,5 M], добавлен 22.06.2012Составление прогноза показателей производственно-хозяйственной деятельности, определение точности прогнозов, линейные функции. Использование статистических методов анализа, базирующихся на сборе и обработке данных, при описании и анализе информации.
практическая работа [59,2 K], добавлен 16.09.2010Моделирование односекторной экономической системы. Построение графической, статистической и динамической моделей. Графики погашения внешних инвестиций. Моделирование двухсекторной экономической системы. Архитектура системы. Спецификация данных модели.
дипломная работа [1023,8 K], добавлен 16.12.2012
