论文部分内容阅读
神经网络是数据挖掘中的一种算法,它依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的。本文主要使用SOM神经网络算法来进行聚类分析,使用BP神经网络算法、RBF神经网络算法和GRNN神经网络算法来进行预测。本文研究的主要对象是《中国统计年鉴》中的财政数据,财政数据包括财政收入和财政支出。本文主要针对全国31个省市自治区直辖市的财政收入和财政支出进行研究,利用神经网络的知识建立下列两个研究模型:(1)根据各地区的财政收入对全国各个省和直辖市进行神经网络的聚类分析,得到全国的一类地区、二类地区和三类地区,一类地区也就是发达地区,三类地区就是不发达地区。(2)根据多年来各地区的财政支出数据,对各地区进行神经网络的预测研究,得到各地区的来年的财政支出预测数值,从而为财政预算提供参考。针对财政收入的聚类模型,主要采用以下几个步骤完成:(1)针对财政收入的数据,对财政收入的数据进行多元线性分析,得到对财政收入起主要作用的影响因素;(2)对财政收入的主要影响因素和总的财政收入作为神经网络的输入输出,进行聚类。(3)根据聚类得到的结果进行分析各地区的财政收入情况。针对财政支出的预测模型,主要采用以下几个步骤完成:(1)针对财政支出数据情况,分析对财政支出由重要作用的影响因素,并把这些影响因素作为神经网络的输入节点;(2)使用BP神经网络算法对财政支出进行预测;(3)使用RBF神经网络算法对财政支出进行预测;(4)使用GRNN神经网络算法对财政支出进行预测;(5)针对以上三种神经网络的预测算法得到的预测结果进行对比,得出神经网络算法的预测精度,分析财政预测情况。针对财政数据中的财政收入,对财政收入数据建立多元线性回归,目的是提取出对财政收入起着重要作用的影响因素,然后将这些影响因素作为神经网络的输入节点进行分析。通过聚类,与实际情况相符,证明了SOM聚类分析的有效性,也从财政数据中提取出了与国民经济发展相关的聚类信息。针对《中国统计年鉴》中的财政支出数据,将全国31个省市自治区直辖市的财政支出作为样本进行研究来年的财政支出预测,分别使用了BP神经网络预测算法、RBF神经网络预测算法和GRNN神经网络算法进行预测,得到的结果显示GRNN神经网络对财政数据中的财政支出数据的预测度较高。