發(fā)布時間：2020-04-05 15:39

【摘要】：進出口貿(mào)易是拉動國家經(jīng)濟增長和實現(xiàn)對外交流的重要工具,東盟是我國對外貿(mào)易的第三大伙伴,分析并預測我國與東盟進出口貿(mào)易額也是中國-東盟海洋大數(shù)據(jù)平臺經(jīng)濟綜合里外貿(mào)部分的主要內(nèi)容。而目前多采用基于計量經(jīng)濟學的方法,但伴隨機器學習和數(shù)據(jù)挖掘技術(shù)不斷發(fā)展、趨于成熟,在實踐中沉淀下來大量經(jīng)典算法,因此本文結(jié)合機器學習方法探索能有效預測中國東盟進出口貿(mào)易額的預測模型,既實現(xiàn)中國-東盟海洋大數(shù)據(jù)平臺對外貿(mào)分析的需求,也為我國對東盟的經(jīng)貿(mào)合作進行宏觀調(diào)控提供智力支持。本文首先分析了影響中國東盟進出口貿(mào)易額的經(jīng)濟指標,利用主成分分析方法對其進行影響因子的分析,得到可替代原經(jīng)濟指標超過99.9%信息量的七個影響因子。隨后,提出了基于線性回歸的中國東盟進出口貿(mào)易額預測模型,應(yīng)用基于多元線性回歸、基于嶺回歸和基于彈性網(wǎng)絡(luò)回歸模型對中國東盟進出口貿(mào)易額及影響因子的歷史數(shù)據(jù)進行訓練,構(gòu)建預測模型,通過七個經(jīng)濟影響因素的預估值計算未來中國與東盟的進出口貿(mào)易額。緊接著,由于中國東盟進出口貿(mào)易是經(jīng)濟指標因素、雙邊關(guān)系及政策影響等因素綜合作用的結(jié)果,因此將中國東盟進出口貿(mào)易額歷史數(shù)據(jù)轉(zhuǎn)化為時間序列,挖掘數(shù)據(jù)內(nèi)部變化規(guī)律,提出了基于時間序列ARIMA的預測模型。其次,為深入挖掘中國東盟進出口貿(mào)易額數(shù)據(jù)序列變化規(guī)律,提出具有學習長期依賴信息能力的基于LSTM網(wǎng)絡(luò)的預測模型。再次,為使預測中國東盟進出口貿(mào)易額更為準確,基于數(shù)據(jù)預處理和優(yōu)化參數(shù)組合預測的思想,提出基于時間序列ARIMA和LSTM網(wǎng)絡(luò)的組合預測模型。實驗表明其預測中國東盟進出口貿(mào)易額的準確率和相關(guān)系數(shù)都明顯提高,所以基于此預測模型預測了未來短期內(nèi)中國與東盟的月度進出口貿(mào)易額。最后,將本文研究成果應(yīng)用在中國-東盟海洋大數(shù)據(jù)平臺經(jīng)濟綜合數(shù)據(jù)庫模塊。該模塊可以幫助平臺用戶了解中國與東盟國家進出口貿(mào)易的歷史數(shù)據(jù),可以讓用戶通過對各個經(jīng)濟指標的年度預估值預測中國與東盟的年度進出口貿(mào)易額,也可以直接對未來短期內(nèi)中國與東盟的月度進出口貿(mào)易額進行預測,通過實踐應(yīng)用檢驗了中國東盟進出口貿(mào)易額預測模型的有效性。
【圖文】：

基于多預測校型的中國－東盟進出口貿(mào)易額研究Ｔ逡逑圖３－８ＬＳＴＭ門限結(jié)構(gòu)逡逑ＬＳＴＭ網(wǎng)絡(luò)中的每個神經(jīng)元由忘記門層、輸入門層、更新門層以及輸出門個交互的層構(gòu)成［３（）］。首先是忘記門層，該門層的輸入是上一層的輸出和逡逑時間點的輸入的整體總輸入，通過一個計算過程ｃｒ輸出結(jié)果／ｔ，六是一個在逡逑１之間的數(shù)，當前細胞的狀態(tài)，其中，／ｔ計算公式如式３－２８所示，逡逑門層過程如圖３－９中加粗部分所示。逡逑ｆｔ邋＝邋ａ｛Ｗｆ邋＊邋［ｈｔ－ｉ，ｘｔ］）邋＋邋ｂｆ邐式邋３－２８

之后是更新門層，該門層更新細胞的舊狀態(tài)，通過忘記門層、輸入門層的輸逡逑和上個細胞狀態(tài)的輸出Ｃ邋ｔ邋＿邋ａ將細胞狀態(tài)更新為新狀態(tài)Ｃ邋ｔ，，邋Ｃ邋ｔ的計算公式如式逡逑－３０所示，更新門層過程如圖３－１１中加粗部分所示。逡逑Ｃｔ邋＝邋ｆｔ＊邋＋邋ｉ邋＊邋Ｑ１邐式邋３－３０逡逑ｈ，逡逑ａ逡逑ｃ卜、１邐？１邐１邋ｉｗＧ）邐■■■■匪ｉ邋＂—逡逑Ｘ邋．邋Ａ邐ｔａｎｈ逡逑＇Ｉ邋ｆ＾Ｙ逡逑［0］邋Ｗ］邋ｔａｎｈ邋Ｗ逡逑邐？邋邐邐１邐邐邋Ｉ邋邐邋■邐邐？邋ｈｔ逡逑－
【學位授予單位】：廈門大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F752.7

【參考文獻】

相關(guān)期刊論文 前9條

1 陳蔚;;基于線性ARIMA與非線性BP神經(jīng)網(wǎng)絡(luò)組合模型的進出口貿(mào)易預測[J];統(tǒng)計與決策;2015年22期

2 黃玲莉;劉小龍;;基于ARIMA與BP神經(jīng)網(wǎng)絡(luò)的收視率組合預測模型[J];電視技術(shù);2015年09期

3 劉建偉;劉媛;羅雄麟;;深度學習研究進展[J];計算機應(yīng)用研究;2014年07期

4 韓小孩;張耀輝;孫福軍;王少華;;基于主成分分析的指標權(quán)重確定方法[J];四川兵工學報;2012年10期

5 何澤;;影響中國進出口總額的因素分析[J];商場現(xiàn)代化;2007年17期

6 白冰;;中國進出口貿(mào)易總額的影響因素分析[J];當代經(jīng)理人;2006年21期

7 盧向前,戴國強;人民幣實際匯率波動對我國進出口的影響:1994—2003[J];經(jīng)濟研究;2005年05期

8 熊桂武;計量經(jīng)濟建模與預測方法評述[J];黃岡師范學院學報;2004年06期

9 田俊;嶺回歸分析的SAS程序設(shè)計[J];數(shù)理統(tǒng)計與管理;1999年03期

相關(guān)博士學位論文 前1條

1 馬濤;組合預測方法及其應(yīng)用研究[D];蘭州大學;2017年

相關(guān)碩士學位論文 前1條

1 吳少聰;基于混合模型的股票趨勢預測方法研究[D];哈爾濱工業(yè)大學;2017年

本文編號：2615197