Resumen

La predicción del Producto Interior Bruto (PIB) es un punto caliente de la investigación, y su importancia es evidente. Su complejo mecanismo de cambio interno también aumenta la dificultad de analizar los datos del PIB. El algoritmo genético (GA) se aplica al diseño de los parámetros de la red neuronal de función de base radial (RBFNN) basada en la optimización del algoritmo genético (RBFNN-GA). Se propone un modelo de predicción de la imagen del PIB de la zona económica, que realiza el diseño óptimo del vector central, el vector de anchura de la base de la función de los nodos de la RBFNN y el peso entre la capa oculta y la capa de salida. Basándose en los datos del PIB a lo largo de los años, este trabajo utiliza el modelo de predicción RBFNN-GA para analizar y predecir la imagen del PIB y compara los resultados de la predicción de la imagen. Los resultados muestran que el algoritmo genético se utiliza para optimizar la RBFNN, lo que permite aprovechar al máximo las ventajas de los dos algoritmos. El error relativo del modelo de predicción RBFNN-GA es sólo del 3,52%. En comparación con los resultados de la predicción, la precisión de ésta es significativamente mayor que la del modelo de series temporales ARIMA y el modelo GM (1,1).

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:modelo de predicción ga, rbfnn, algoritmo genético, datos del pib, modelo de predicción de imágenes, pib de la zona económica, series temporales arima, modelo de series temporales, imagen del pib de la zona, vector de ancho de base
• Keywords:ga prediction model, rbfnn, genetic algorithm, gdp data, image prediction model, economic zone gdp, arima time series, time series model, zone gdp image, base width vector