L'article présente une méthode de programmation informatique évolutive utilisant des algorithmes génétiques pour établir automatiquement un modèle mathématique non linéaire dynamique pour l'exploration de données et effectuer des prévisions de tendances sociales et économiques et des arrondis de courbes de régression, modifiant ainsi la méthode précédente consistant à utiliser uniquement des méthodes d'arrondi et de prévision grossières. pour l'ajustement des courbes et la prévision des tendances à l'aide de modèles de prévision traditionnels avec des résultats médiocres en termes de précision. Dans l'expérience de données, le modèle d'évolution généré automatiquement par la méthode de programmation informatique évolutive de l'algorithme génétique a été utilisé pour effectuer un ajustement de courbe et une prévision des tendances de développement sur certaines données historiques réelles, et mener une analyse approfondie des erreurs de rétroaction et de rétroaction. Les résultats montrent que le modèle évolutif établi à l'aide de cette méthode est beaucoup plus précis que les données prédites par les trois modèles mathématiques traditionnels fixes de régression linéaire, de régression exponentielle et de régression parabolique. De plus, l'écart type de la courbe d'ajustement et celui prédit. retour d'information L'écart type est également nettement plus petit.
Développer
