一种社会经济指标集合预测方法技术

本发明专利技术公开了一种社会经济指标集合预测方法。该方法按如下步骤进行：1、采用若干常规预测方法对社会经济指标原始序列进行拟合，选取拟合通过的m种方法(m≥2)；2、采用此m种方法分别对社会经济指标进行预测，预测值为X

A social economic index ensemble forecasting method

The invention discloses a social economic index set forecasting method. This method is carried out according to the following steps: 1, using some conventional forecasting methods to fit the social and economic indicators of the original sequence, select the m method by fitting the (M = 2); 2, using the m method to predict the social economic indicators, predictive value of X

【技术实现步骤摘要】
一种社会经济指标集合预测方法
本专利技术涉及一种社会经济指标集合预测方法，属于数理统计

技术介绍
社会经济指标是反映一个城市发展状况的重要基础性指标，包括人口、产业经济产值等，传统社会经济指标预测采用多年平均增长率的方式进行推算，随着社会经济的发展，该方法已经难以满足需求，因此一些统计学方法应运而生，如趋势分析法、灰色模型、多指标分析法、数学模型法等，由于社会经济指标预测往往采用过去指标的趋势变化来进行预测，面对新时期的发展状况，预测结果存在一定的局限性。此外，各类方法之间在预测社会经济指标方面也存在局限性和适用性，有时单一一种预测方法难以得到良好的结果，且多种方法之间预测结果往往采用对比分析的方式进行讨论与研究，多种方法集合预报在水文预报上有所应用，但这种预报方法需要序列长度较长，且结构复杂、操作困难。
技术实现思路
本专利技术的目的是提供一种社会经济指标集合预测方法，以解决现有社会经济指标预测方法的不足。本专利技术的技术方案：第一步，采用若干常规预测方法对社会经济指标原始序列进行拟合，选取拟合通过的m种方法(m≥2)；第二步，采用此m种方法分别对社会经济指标进行预测，预测值为Xij(i＝1，…，m；j＝1，2，…，n)，预测长度为n；第三步，采用常规赋权方法对m种方法的预测序列(序列长度为j)进行权重分析，得到各个方法的分配权重αij；第四步，将相应预测方法的预测值Xij乘以其分配权重αij，取集合f＝∑(Xij×αij)即为该社会经济指标的最终预测值fj。前述方法中，第一步的计算方法属于社会经济指标原始序列的拟合，按可自行选取任意常规方法计算。第二步的社会经济指标预测，是选取第一步中拟合通过的m种方法，拟合通过是指各方法的检验标准达到有效基准值。第三步的分配权重αij是指方法i预测社会经济指标j长度的分配权重，赋权计算方法可自行选取。第四步的预测值Xij是指i方法预测序列的最尾预测值，将所有方法的最远预测值乘以相应方法的权重，然后求和，即为第j年的社会经济预测值。与现有技术相比，本专利技术以常规的预测方法和赋权方法进行社会经济指标的预测、优选和集合，耦合了两种常规方法的功能，避免了采用单一方法预测的不确定性和多方法预测差异性，综合了多种预测方法预测值，并以赋权的方式将各方法在预测中所占的比重区别开来，进而得到较为合理的预测值。附图说明图1是本专利技术系统的流程图。具体实施方式下面结合实施例对本专利技术作进一步的详细说明。如图1所示，图1为本专利技术一种社会经济指标集合预测方法流程图，本专利技术的一种社会经济指标集合预测方法包括如下步骤：步骤一、采用若干常规预测方法对社会经济指标原始序列进行拟合，选取拟合通过的m种方法(m≥2)。说明：这里的计算方法属于数值预测内容，可自行选取常规方法；拟合通过是指各方法的检验标准达到有效基准值。步骤二、采用此m种方法分别对社会经济指标进行预测，预测值为Xij(i＝1，…，m；j＝1，2，…，n)，预测长度为n。说明：预测长度n是指新预测的社会经济指标预测序列长度；i为采用的预测方法编号，j为预测序列的编号。步骤三、采用常规赋权方法对m种方法的预测序列(序列长度为j)进行权重分析，得到各个方法的分配权重αij。说明：赋权计算方法可自行选取常规方法；分配权重αij是指方法i预测社会经济指标j长度的分配权重，即为各个预测方法对社会经济指标预测序列的分配权重。步骤四、将相应预测方法的预测值Xij乘以其分配权重αij，取集合f＝∑(Xij×αij)即为该社会经济指标的最终预测值fj。说明：最终预测值fj是对预测序列编号j的预测值，j就是预测年，即预测年j的社会经济指标预测值。实施例1：以我国西部山区某地区的非农业经济产值为例，对本专利技术作进一步说明。(1)根据当地统计年鉴，搜集整理非农经济产值(第二产业、第三产业，其中二产以工业为主)，汇总非农经济产值作为研究指标。拟合序列长度为2004年到2012年，详见表1。表1实施例研究非农业经济产值序列(2)选取常规预测方法进行指标值的拟合，本实施例选取了线性模型、二次多项式模型、三次多项式模型、对数模型、指数模型、灰色模型、ARMA模型等7种模型，分别对2004年到2012年的序列进行拟合；对拟合结果进行检验，分别采用各自的检验方法，检验结果详见表2、表3。A.线性模型的决定系数为0.92，Nash效率系数为0.92，关联度为0.71(三级)，后验差检验14.71％(一级)，小概率误差为1(一级)；B.二次多项式模型的决定系数为0.99，Nash效率系数为0.99，关联度为0.61(四级)，后验差检验4.54％(一级)，小概率误差为1(一级)；C.三次多项式模型的决定系数为0.99，Nash效率系数为0.99，关联度为0.62(四级)，后验差检验2.89％(一级)，小概率误差为1(一级)；D.对数模型的决定系数为0.92，Nash效率系数为0.92，关联度为0.70(四级)，后验差检验14.73％(一级)，小概率误差为1(一级)；E.指数模型的决定系数为0.98，Nash效率系数为0.98，关联度为0.68(四级)，后验差检验8.64％(一级)，小概率误差为1(一级)；F.灰色模型的决定系数为0.99，Nash效率系数为0.88，关联度为0.67(四级)，后验差检验24％(一级)，小概率误差为1(一级)；G.ARMA模型的决定系数为0.9922，校正决定系数为0.9910，回归标准差为32027.4，残差平方和为6150000000.0，对数似然值为-93.1956，D.W.统计量为2.3715，因变量均值为778660.4，因变量标准差为336685.1，AIC准则为23.7989，SC准则为23.8188，HQ检验值为23.6649。综上所述，7种预测模型都通过了其检验，模拟效果良好，检验标准见表4。因此，采用7种模型进入下一步。表2实施例各类预测模型的检验结果表3实施例ARMA预测模型的检验结果表4精度检验等级参照表(3)采用选取的7种模型分别对非农经济产值进行预测，预测时间长度从2013年到2030年，结果见表5。表5选取方法的指标预测值(4)选取常规赋权方法进行各预测方法的权重评价分析，本实施例选取变差系数法、标准/平均差法、熵权法、CRITIC法分别进行权重评价分析，然后采用此4种方法的权重均值作为各预测方法的综合权重。各个赋权方法的计算序列长度、各方法赋权结果、综合权重结果详见表6。从表5中可以看出，对预测年2013年到2020年序列进行四种赋权方法的权重分析，线性模型、二次多项式模型、三次多项式模型、对数模型、指数模型、灰色模型、ARMA模型的综合权重分别为0.0843、0.1193、0.1800、0.0843、0.1488、0.1981、0.1852；对预测年2021年到2030年序列进行四种赋权方法的权重分析，线性模型、二次多项式模型、三次多项式模型、对数模型、指数模型、灰色模型、ARMA模型的综合权重分别为0.0602、0.0966、0.1375、0.0600、0.1803、0.2405、0.2250。表6实施例各赋权方法所计算各选取方法的权重(5)以预测年2020年和2030年为例，其各方法预测值见表5，2020年和2本文档来自技高网...

【技术保护点】
一种社会经济指标集合预测方法，其特征在于该方法按以下步骤进行：第一步，采用若干常规预测方法对社会经济指标原始序列进行拟合，选取拟合通过的m种方法(m≥2)；第二步，采用此m种方法分别对社会经济指标进行预测，预测值为X

【技术特征摘要】
1.一种社会经济指标集合预测方法，其特征在于该方法按以下步骤进行：第一步，采用若干常规预测方法对社会经济指标原始序列进行拟合，选取拟合通过的m种方法(m≥2)；第二步，采用此m种方法分别对社会经济指标进行预测，预测值为Xij(i＝1，…，m；j＝1，2...

【专利技术属性】
技术研发人员：李析男，赵先进，杨荣芳，刘辉，余红敏，
申请(专利权)人：贵州省水利水电勘测设计研究院，
类型：发明
国别省市：贵州,52