摘要：本文以2000-2007年社会固定资产投资额为例，分别运用一元线性回归模型和BP神经网络模型对2007年的投资额进行预测并作比较，说明BP神经网络模型的优势，形成结论。
关键词：BP神经网络 一元线性回归 社会固定资产投资额
一、引言
固定资产投资是社会扩大再生产的主要手段，是实现国民经济持续、快速、健康发展的原动力，是拉动我国经济飞速增长的主要因素。固定投资对我国的社会主义现代化建设具有重要意义。根据经济增长理论，固定投资的增长会带动经济的增长，还会创造更多的就业岗位。
固定资产投资可分为国内预算、国家贷款投资、外商投资和自筹及其他资金来源四个部分。对这四部分进行预测，获得较为准确的固定资产投资数据，对于政策制定者、商业投资者和求职就业者，都有十分重要的现实意义.
（一）BP神经网络模型
构建BP神经网络，需要三个步骤：生成神经网络、权值初始化以及网络仿真。
（二）BP神经网络预测
四、比较与结论
一元线性回归预测优点是计算相对简单。缺点：需要较多的观测值，缺乏权值分配过程，对于非线性关系样本缺乏解释能力。BP神经网络预测具有任意逼近非线性函数的特性，优点不需要知道输入输出变量间的关系，只需采用Matlab神经网络工具箱，通过对输入输出数据的训练，获得输入输出之间的映射关系即可得到预测值。
（作者单位：上海理工大学管理学院）
参考文献：
[1]吴海军. ARIMA模型在北京市全社会固定资产投资预测中的应用[J].经济研究导刊，2007（2）：131-133.
[2]孟露露. 固定资产投资与经济增长关系的回归分析[J]. 中小企业管理与科技，2009（2）：89-90.
[3]徐志勇、秦伟良、李奇松. 江苏省全社会固定资产投资预测[J]. 安徽农业科学，2007（35）：1551-1553.
[4]李晓超等编辑. 中国统计年鉴-2008. 北京： 中国统计出版，2008
[5]董长虹. Matlab神经网络与应用（第2版本）[M]. 北京：国防工业出版社，2007：64-67.
[6]刘莉、贺聪. 基于时间序列的BP神经网络的滑坡预测预报及其在Matlab中的实现[J]. 中国水运，2006（12）：72-74.
[7]朱顺泉. 基于Matlab的BP神经网络在现金流量分析中的应用[J]. 中国管理信息化，2008（3）：39-40.
[8]曾鼎昊. BP神经网络在预测股票价格中的应用[J]. 中国科技信息，2009（21）：89-90.