摘要
制造业PMI指数是反映国家经济形势的重要指标之一。文章将工程中的时频分析方法——EEMD与机器学习中的BP神经网络方法相结合,对制造业PMI指数进行预测。结果表明:组合模型的MAPE值比单一BP神经网络优23%,比ARIMA模型优33%;组合模型的RMSPE值比单一BP神经网络优22%,比ARIMA模型优31%。进一步采用训练好的组合模型对未来六个月的制造业PMI指数进行了预测,结果显示未来该指数将持续缓慢走高。
出处
《统计与决策》
CSSCI
北大核心
2019年第15期125-128,共4页
Statistics & Decision
基金
广东省哲学社会科学“十三五”规划青年项目(GD17YGL08)
中山大学新华学院教改项目(2017J010)
作者简介
刘进(1984-),男,湖北钟祥人,硕士,讲师,研究方向:决策理论与方法;通讯作者:郭进超(1980-),男,广东广州人,硕士,讲师,研究方向:产业集群。
