带空间结构的人工神经网络建模方法

将遍历搜索法引入带空间结构的人工神经网络模型，提出一种新的模型估计和空间数据样本外预测方法。该方法基于人工神经网络，结合空间自回归模型思想，在网络模型中引入空间滞后项来考虑变量的空间效应，提出使用遍历搜寻最优解的方式替代传统极大似然法进行空间自回归系数估计和建模。结合样本外数据和空间结构，扩展空间权重矩阵并代入所提模型进行样本外预测，充分发挥了人工神经网络模型泛化能力强的特点。仿真分析指出:在合理考虑空间效应的情况下，所提模型的预测效果较普通人工神经网络有显著提升；而且当空间变量间存在非线性关系时，所提模型的预测精度同样优于空间自回归模型。