[发明专利]基于ADL-MIDAS的GDP预测方法、装置、设备及存储介质

权利要求书

1.一种基于ADL-MIDAS的GDP预测方法，其特征在于：该方法包括下列顺序的步骤：

(1)获取原始用电量数据集；

(2)对原始用电量数据集进行预处理，得到预处理后的用电量数据集；

(3)对预处理后的用电量数据集进行特征选择，提取预处理后的用电量数据集的数据特征；

(4)建立ADL-MIDAS模型组合；

(5)将预处理后的用电量数据集对ADL-MIDAS模型进行训练，得到训练好的ADL-MIDAS模型组合；

(6)通过根均方误差选择ADL-MIDAS模型组合中的最优ADL-MIDAS模型，将待预测的用电量数据输入最优ADL-MIDAS模型中，得到预测的GDP。

2.根据权利要求1所述的基于ADL-MIDAS的GDP预测方法，其特征在于：所述步骤(1)是指从安徽省统计局官网获取2005-2022年宏观经济指标及安徽省全社会用电量，2005-2022年宏观经济指标及安徽省全社会用电量组成原始用电量数据集。

3.根据权利要求1所述的基于ADL-MIDAS的GDP预测方法，其特征在于：所述步骤(2)具体是指对原始用电量数据集进行数据重建、归一化处理。

4.根据权利要求1所述的基于ADL-MIDAS的GDP预测方法，其特征在于：所述步骤(4)具体包括以下步骤：

(4a)建立ADL-MIDAS模型：

其中，是高频数据的多项式权重函数与滞后算子的结合，故有变量Y、X分别为GDP、全社会用电量或进出口的增长速率，A表示低频变量频率，Q表示高频变量频率，P_Y、P_X分别为变量Y、X的最大滞后阶数，m表示高频变量与低频变量的频数倍率，m＝3，ε_t为随机扰动项；

公式(1)表示，第t+1季度的GDP依赖于过去季度的GDP以及过去个月份相应的全社会用电量或进出口的变动；

(4b)建立ADL-MIDAS模型组合：

ADL-MIDAS模型的归一化加权函数包括：零阶Beta非零阶标准Beta概率密度函数BetaNN、标准化Almon指数滞后多项式Ex-pAlmon、p阶Almon滞后多项式Almon、非限制系数UMIDAS、越阶函数多项式StepF；

ADL-MIDAS模型的预测方法包括固定窗口fixedwindow、滚动窗口rollingwindow及递归窗口recursive三种；

在分布滞后阶的基础上，三种预测方法和六个归一化加权函数之间形成十八个ADL-MIDAS模型组合。

5.根据权利要求1所述的基于ADL-MIDAS的GDP预测方法，其特征在于：所述步骤(6)具体是指：

采用根均方误差RMSE衡量ADL-MIDAS模型的预测精度，相对根均方预测误差rRMSE越小，ADL-MIDAS模型预测效果则越好，反之则效果越差；

其中，Y为实际值，为预测结果，τ∈[T₀,t]，T₀为样本内预测起点，t对应最近的样本点；

选择预测效果最优的ADL-MIDAS模型为最优ADL-MIDAS模型。

6.一种基于ADL-MIDAS的GDP预测装置，包括：

数据获取单元，用于获取原始用电量数据集；

预处理单元，用于对原始用电量数据集进行预处理，得到预处理后的用电量数据集；

特征选择单元，用于对预处理后的用电量数据集进行特征选择，提取预处理后的用电量数据集的数据特征；

模型建立单元，用于建立ADL-MIDAS模型组合；

模型训练单元，用于将预处理后的用电量数据集对ADL-MIDAS模型进行训练，得到训练好的ADL-MIDAS模型组合；

GDP预测单元，用于通过根均方误差选择ADL-MIDAS模型组合中的最优ADL-MIDAS模型，将待预测的用电量数据输入最优ADL-MIDAS模型中，得到预测的GDP。