论文部分内容阅读
大数据时代背景下,基于网络海量搜索数据包含大量有价值信息。针对宏观经济指标商品零售价格指数的非线性变化特征,结合与RPI相关的网络搜索数据,采用支持向量回归SVR多种参数优化模型对商品零售价格指数进行预测研究。借助多个预测性能度量指标对比分析,最终确定结合网络搜索数据粒子优化算法的支持向量回归模型PSO-SVR&US为最优模型。研究结果表明:网络搜索数据有助于商品零售价格指数的预测研究,并且预测效果好坏与预测精度高低还依赖于最优模型的选取;同时,基于最优模型的商品零售价格指数月度预测值比官方数据公