基于SVM数据挖掘的国民经济序列补缺及预测——以青海省国民经济为例

国民经济数据的健全性与实效性具有重要决策价值和统计意义。本文将两种新兴智能数据挖掘技术—支持向量机（SVM）与神经网络应用于国民经济数据补缺及预测领域,在探析原理及性能基础上检验其应用性能。根据青海省2003—2005年各月份国民经济数据构建指标体系和算例,采用两种方法均通过样本集直接训练方式挖掘各系统中蕴含的规律性联系,然后2004年9月份城镇居民人均可支配收入缺失数据进行补缺和对2005年12月份城镇居民人均消费支出、人均可支配收入进行预测。实验操作方便。且SVM补缺及预测结果唯一,精度更优。同时也说明SVM基于结构风险最小化更适合高维小样本集数据回归问题,泛化性能强。