价值工程
價值工程
개치공정
Value Engineering
2015年
33期
21-24
,共4页
灰色关联度%灰色预测%稳定标准%BP神经网络
灰色關聯度%灰色預測%穩定標準%BP神經網絡
회색관련도%회색예측%은정표준%BP신경망락
grey relational degree%grey prediction%stabilized standard%BP neural network
本文在结构化地方财政收入的基础上,依次使用灰色关联度和灰色预测模型找出影响地方财政收入构成的关键因素,进而利用与其对应的关键因素建立BP神经网络模型,将各因素的灰色预测值代入模型中求得地方财政收入的构成值,汇总后得到地方财政收入.最后根据实证结果进行数据分析,并结合历史数据对结果进行修正,从而得出较优的预测模型.
本文在結構化地方財政收入的基礎上,依次使用灰色關聯度和灰色預測模型找齣影響地方財政收入構成的關鍵因素,進而利用與其對應的關鍵因素建立BP神經網絡模型,將各因素的灰色預測值代入模型中求得地方財政收入的構成值,彙總後得到地方財政收入.最後根據實證結果進行數據分析,併結閤歷史數據對結果進行脩正,從而得齣較優的預測模型.
본문재결구화지방재정수입적기출상,의차사용회색관련도화회색예측모형조출영향지방재정수입구성적관건인소,진이이용여기대응적관건인소건립BP신경망락모형,장각인소적회색예측치대입모형중구득지방재정수입적구성치,회총후득도지방재정수입.최후근거실증결과진행수거분석,병결합역사수거대결과진행수정,종이득출교우적예측모형.
Based on the structured local fiscal revenue, this paper uses grey relational degree and grey prediction model in turn to find out the key factors influencing the local fiscal revenue composition. Then the corresponding key factors are used to establish the BP neural network model, the grey predictive values of the factors are substituted into the model to get the composite values of local fiscal revenue, the values are gathered to get the local fiscal revenue. Finally, according to the empirical results, the data analysis is carries out, combined with the historical data, the results are modified to get the optimal prediction model.
