基于PLS-IGWO-SVR的地区经济发展预测模型与应用.pdf

摘要

摘要

地区经济发展预测对于政府、企业、投资者乃至全社会都至关重要。它能协助

政府构建贴近实际的经济政策和发展规划，有利于提升经济效应，维系社会稳定。

地区经济发展预测已经成为现代社会科学研究中的重要课题。然而，由于经济运行

数据复杂多元以及传统模型预测精度有限，目前对于地区经济发展的预测研究效

果尚未达到理想状态，如何进一步提高地区经济发展预测的准确率和效率是值得

研究的重要现实问题。为此，本文将构建基于偏最小二乘法(PartialLeastSquares,

PLS)和利用改进型灰狼算法(ImproveGreyWolfOptimization,IGWO)优化支持向量

回归(SupportVectorRegression,SVR)的地区经济发展预测模型，对地区经济发展指

标进行预测研究，以期达到指导地区经济发展的目的。本文具体研究内容如下：

首先，鉴于地区经济发展预测所涉及的指标通常较多，存在信息冗余，影响预

测精度，本文采用偏最小二乘法对经济指标进行特征提取，消除指标因共线性造成

的冗余影响。支持向量回归模型泛化能力强，具有鲁棒性，可以解决小样本、非线

性、高维数等实际问题，可以很好的应用于地区经济发展水平的预测。支持向量回

归模型的预测表现会受到核函数类型和参数影响，为确定最优的参数值，本文采用

灰狼算法进行参数寻优，并对原始的灰狼算法进行改进以增强性能，形成基于PLS-

IGWO-SVR的地区经济发展预测模型。

其次，应用安徽省实际经济运行数据对模型进行验证。选择地区生产总值

（GDP）作为地区经济发展水平的代表性指标，通过收集汇总前人研究的结论和相

关数据，建立地区经济发展水平的数据指标体系。同时，详细介绍了主要的经济发

展指标，并对数据进行预处理，包括数据标准化和提取主要成分。

最后，本文将经过处理的数据输入到PLS-IGWO-SVR地区经济发展预测模型

中进行预测，并将该模型预测结果与PLS-SVR、SVR以及GWO-SVR等模型的预

测结果进行对比分析。结果表明，本文提出的基于PLS-IGWO-SVR的地区经济发

展预测模型在预测精度和泛化能力上表现更好，对2021年~2023年安徽省地区生

产总值GDP的平均预测误差率仅有0.0192。

关键词：地区经济发展预测模型；支持向量回归；偏最小二乘；改进灰狼优化算法

I

Abstract

Abstract

Theforecastofregionaleconomicdevelopmentisveryimportanttothegovernment,

enterprises,investorsandeventhewholesociety.Itcanassistthegovernmentin

constructingeconomicpoliciesanddevelopmentplansthatareclosetoreality,whichis

conducivetoenhancingeconomiceffectsandmaintainingsocialstability.Theprediction

ofregionaleconomicdevelopmenthasbecomeanimportanttopicinmodernsocial

scienceresearch.However,duetothecomplexityanddiversityofeconomicoperation

dataandthelimitedaccuracyoftraditionalmodelforecasting,thecurrentforecasting

effectofregionaleconomicdevelopmenthasnotreachedtheidealst