本文利用广义回归神经网络的自学习、自适应和非线性的特点 ,
建立了经济系统的评价指标体系,将经济变量数据归一化处
理,然后送入广义回归神经网络( GRNN)中训练,得出相应参
数,再对相关经济变量进行预测,经过检验得出了令人满意的
常用的预测方法包括时间序列方法 (移动平滑法、指数平滑法、
随机时间序列方法) ,相关(回归 )分析法,灰色预测方法等 .这
些方法大都集中于对因果关系回归模型和时间序列模型的分析 ,
建立的模型不能全面和本质的反映所预测的动态数据的内在结
构和复杂特性.人工神经网络是有大量简单的处理单元组成的非
线形、自适应、自组织系统,它的重要特点是通过网络学习达
到其输出与期望输出相符的结果 ,具有很强的自学自适应、鲁棒
性、容错性、存储记忆的能力,人工神经网络具有传统建模方
法所不具备的很多优点,有很好的非线形映射能力,对被建模
对象的经验知识要求不多,一般不必事先知道有关被建模对象
的结构、参数和动态特性等方面的知识。只需要给出对象的输
入和输出数据,通过网络本身的学习功能就可以达到输入和输出
的映射关系。相对于传统的根据数据分析预测方法,它更适合
处理模糊、非线形的和模式特征不明确的问题。人工神经网络
中有各种模型,其中广义回归神经网络(Generalized Reg
ression Neural Network, GRNN)是 Donald F.Sp