基于改进Stacking模型的绿色经济效率预测研究

赵 晓东
防灾科技学院

摘要


针对预测模型存在结构单一、过度依赖特征等局限性，导致泛化能力和预测准确性受限，文章提出了一种
基于蒙特卡洛和自注意力机制的Stacking集成经济预测方法。该方法结合多元线性回归（MLR）、随机森林（RF）和
K近邻算法（KNN），通过Stacking算法实现模型的优势互补，提升预测能力，减少对单一变量的依赖。通过分析多
源数据，筛选出与经济指标相关的关键特征。创新性的加入蒙特卡洛方法和自注意力机制解决模型不确定性问题判
断缺失的问题。多轮实验表明，Stacking模型在大规模数据量的预测准确率为77.3%，显著优于多元线性回归（MLR）
（73.7%）、随机森林（RF）（55.8%）和K近邻算法（KNN）（54.3%）。

关键词


精度预测；Stacking；自注意力机制；蒙特卡洛方法

全文:

PDF


参考


[1]HOCHREITERS, SCHMIDHUBERJ.Longshorttermmemory[J]. NeuralComputation, 1997, 9(8): 1735-1780.

[2]METROPOLIS N, ULAM S.The Monte Carlo

method[J]. Journal of the American Statistical Association,

1949, 44(247): 335-341.

[3]GALY, GHAHRAMANI Z.Dropout as a

Bayesian approximation:representing model uncertainty

in deeplearning[C]//Proceedings of the 33rd International

Conference on Machine Learning.New York: JMLR, 2016:

1050-1059.

[4]魏权龄.评价相对有效性的DEA方法[M].北京：

中国人民大学出版社，2004.

[5]ROBERTCP, CASELLA G. Monte Carlo statistical

methods[M]. 2nd ed.New York: Springer, 2004.

[6]刘军，张新海.基于蒙特卡洛模拟的环境效率评价

研究[J].系统工程理论与实践，2018，38（8）：2089-2098.

[7]王建康，李海霞.河北省绿色发展水平评价及其影

响因素分析[J].河北经贸大学学报，2020，41（4）：52-60.

[8]张月友，王英.京津冀协同发展背景下河北省绿色

经济效率评价[J].经济地理，2018，38（10）：149-157.

[9]李晓华，马润平.河北省工业绿色经济效率测度

及其影响因素研究[J].工业技术经济，2019，38（7）：

102-109

[10]田泽永，温涛，王小华.京津冀地区绿色经济效

率及其收敛性研究[J].地理科学，2021，41（5）：785-794.

[11]赵玉民，朱方明，刘岩.京津冀区域绿色创新效

率测度及影响因素分析[J].科学学研究，2018，36（11）：

2000-2010.


Refbacks

  • 当前没有refback。