中国季度GDP预测模型的比较

文章利用集合经验模态分解(EEMD)方法对中国季度GDP进行分解,得到5个本征模态函数(IMF)和1个残余序列.通过深入分析IMF背后的经济含义,发现IMF1-IMF2与第一产业波动完全吻合,且IMF3-IMF5与第二产业波动总体趋势较为一致.将分解后的序列进行重构,分别建立粒子群优化(PSO)算法优化的反向传播神经网络(BPNN)和单整自回归移动平均(ARIMA)模型,并将各序列预测结果整合为最终预测结果.仿真实验结果表明,EEMD-PSOBPNN-ARIMA混合模型优于EEMD-ARIMA、BPNN、ARIMA以及其他基准模型.最后将该模型对2019年季度GDP进行预测,预测结果表明2019年前3季度增长减缓,但在第4季度将有所回升.