利用LSTM神经网络算法预测OECD成员国和伊朗的进口额
计算机与社会
2024-02-06 v1 机器学习
综合经济学
经济学
摘要
人工神经网络（ANN）作为人工智能的一个分支，已在众多应用中展现出其高价值，并被用作一种合适的预测方法。因此，本研究旨在利用ANN预测2021年至2025年20个季度内OECD选定成员国和伊朗的进口额。这些国家的进口数据收集自世界银行、WTO、IMF等可靠来源，时间跨度为1970年至2019年的50年。为了增加收集的数据量以提高网络性能和准确性，使用Diz公式将数据转换为季度数据，总共得到200个进口数据。本研究使用LSTM在Pycharm中分析数据。75%的数据作为训练数据，25%作为测试数据，分析结果以99%的准确率进行了预测，这证明了输出的有效性和可靠性。由于进口是消费函数，且消费在COVID-19大流行期间受到影响，因此纠正和改善消费以影响进口需要时间，所以COVID-19大流行后几年的进口呈现波动趋势。
引用
@article{arxiv.2402.01648,
title = {Forecasting Imports in OECD Member Countries and Iran by Using Neural Network Algorithms of LSTM},
author = {Soheila Khajoui and Saeid Dehyadegari and Sayyed Abdolmajid Jalaee},
journal= {arXiv preprint arXiv:2402.01648},
year = {2024}
}