[发明专利]基于ARIMA和BP神经网络的区域数字经济数据处理方法

说明书

本发明涉及一种基于ARIMA和BP神经网络的区域数字经济数据处理方法，包括以下步骤：步骤S1:获取系统数据库数据集，并筛选出正常数据和缺失数据；步骤S2:对缺失数据使用拉格朗日插值法进行填补，并将填补后的数据与正常数据组合并与处理，得到专属数据集；步骤S3:引入AIC、BIC和HQ三种准则对模型阶数进行判定，构建ARIMA模型；步骤S4:通过移动窗口的方式生成滚动输入数据矩阵训练，构建BP神经网络；步骤S5:基于ARIMA模型和BP神经网络，输入专属数据集，得到数据处理结果。本发明有效提升了数据处理精度。

技术领域

本发明涉及数据处理领域，具体涉及一种基于ARIMA和BP神经网络的区域数字经济数据处理方法。

背景技术

数字经济是继农业经济、工业经济之后的新经济形态，中国已成为世界数字经济第二大国。因此，需要通过科学严谨的方法建立合适的模型来对区域数字经济进行数据处理，以更好地制定政策和采取措施来推动区域数字经济的稳定发展。针对区域数字经济数据处理问题，目前尚未形成成熟可靠的技术方案，迫切需要研究科学有效的数据处理技术。

发明内容

有鉴于此，本发明的目的在于提供一种基于ARIMA和BP神经网络的区域数字经济数据处理方法，旨在解决上述问题。

为实现上述目的，本发明采用如下技术方案：

一种基于ARIMA和BP神经网络的区域数字经济数据处理方法，包括以下步骤：

步骤S1:获取系统数据库数据集，并筛选出正常数据和缺失数据；

步骤S2:对缺失数据使用拉格朗日插值法进行填补，并将填补后的数据与正常数据组合并与处理，得到专属数据集；

步骤S3:引入AIC、BIC和HQ三种准则对模型阶数进行判定，构建ARIMA模型；

步骤S4:通过移动窗口的方式生成滚动输入数据矩阵训练，构建BP神经网络；

步骤S5:基于ARIMA模型和BP神经网络，输入专属数据集，得到数据处理结果。

进一步的，所述对缺失数据使用拉格朗日插值法进行填补具体为：

对于已知的k+1组数据[(x₀,y₀),...,(x_k,y_y)]，其拉格朗日插值多项式为：

其中y_i为因变量；

其中l_j(x)表示拉格朗日插值基函数，表达式为：

进一步的，所述步骤S3具体为：

步骤S31:通过二阶差分序列的ACF和PACF，确定ARIMA模型中的自回归阶数p和移动平均阶数q；

步骤S32:采用AIC、BIC和HQ准则，进一步选取最客观、合适的p,q参数值；

步骤S33:通过分析残差序列Q-Q图和Ljung-Box图，来判断所选定的ARIMA模型是否提取到序列中几乎所有的样本相关信息，确定所选定的ARIMA模型是否可用。

进一步的，所述步骤S31具体为：

自相关函数ACF公式如下所示：

若序列平稳，有则：

其中σ_x表示方差，γ_k和γ_o表示协方差；