本文關(guān)鍵詞：基于EEMD去噪和PSO優(yōu)化的幾類模型在居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)中的應(yīng)用研究

  更多相關(guān)文章： 居民價(jià)格消費(fèi)指數(shù)(CPI) 集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD) 粒子群優(yōu)化算法(PSO) BP網(wǎng)絡(luò) 小波網(wǎng)絡(luò) 支持向量回歸機(jī)(SVR)

【摘要】：居民消費(fèi)價(jià)格指數(shù)(CPI)經(jīng)常用來衡量生活成本。它不僅影響到政府的貨幣、財(cái)政、消費(fèi)、物價(jià)、薪資、社會(huì)保障等政策,而且與我們的日常生活息息相關(guān)。CPI作為判斷通貨膨脹的主要指標(biāo),其變動(dòng)受人們密切關(guān)注。因此,準(zhǔn)確預(yù)測(cè)居民消費(fèi)價(jià)格指數(shù)的變動(dòng),對(duì)CPI建立一個(gè)穩(wěn)定精確的預(yù)測(cè)模型對(duì)民眾、政策制定者和研究學(xué)者都有重大意義。早期對(duì)于CPI的預(yù)測(cè)研究大多采用時(shí)間序列模型,由于金融時(shí)間序列難以滿足平穩(wěn)性等假設(shè),因此預(yù)測(cè)結(jié)果并不理想。后來隨著人工智能模型的廣泛應(yīng)用,學(xué)者們將其引入到CPI的預(yù)測(cè)研究中來。在對(duì)CPI的建模預(yù)測(cè)中,噪聲的影響和模型參數(shù)的選擇都會(huì)影響預(yù)測(cè)的精度。為了解決這兩個(gè)問題,本文以BP、小波和SVR為原始模型,提出了基于EEMD去噪和PSO優(yōu)化的三種模型:EEMD-PSO-BP、EEMD-PSO-WNN和EEMD-PSO-SVR。運(yùn)用三種新模型分別對(duì)1995年1月至2015年8月的CPI數(shù)據(jù)進(jìn)行多步預(yù)測(cè)研究,實(shí)證結(jié)果表明EEMD算法和PSO算法在不同程度上提升了三種原始模型的性能,相比原始模型、基于EEMD去噪的模型、基于PSO優(yōu)化的模型這三者,基于EEMD去噪和PSO優(yōu)化的模型對(duì)居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)的精度最高。根據(jù)最終的預(yù)測(cè)結(jié)果,對(duì)比得出EEMD-PSO-SVR表現(xiàn)最好,該模型可應(yīng)用到居民消費(fèi)指數(shù)的預(yù)測(cè)研究中。
【關(guān)鍵詞】：居民價(jià)格消費(fèi)指數(shù)(CPI) 集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD) 粒子群優(yōu)化算法(PSO) BP網(wǎng)絡(luò) 小波網(wǎng)絡(luò) 支持向量回歸機(jī)(SVR)
【學(xué)位授予單位】：蘭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F726;TP18
【目錄】：

• 摘要3-4
• Abstract4-7
• 第一章 引言7-10
• 1.1 研究背景7-8
• 1.2 研究現(xiàn)狀8-9
• 1.3 本文的研究?jī)?nèi)容和創(chuàng)新之處9-10
• 第二章 基于EEMD-PSO-BP模型的居民價(jià)格消費(fèi)指數(shù)預(yù)測(cè)10-29
• 2.1 BP神經(jīng)網(wǎng)絡(luò)10-14
• 2.2 經(jīng)驗(yàn)?zāi)B(tài)分解理論14-18
• 2.3 粒子群優(yōu)化算法18-20
• 2.5 建立EEMD-PSO-BP模型20-22
• 2.6 實(shí)證分析22-29
• 第三章 基于EEMD-PSO-WNN模型的居民價(jià)格消費(fèi)指數(shù)預(yù)測(cè)29-41
• 3.1 小波神經(jīng)網(wǎng)絡(luò)29-33
• 3.2 建立EEMD-PSO-WNN模型33
• 3.3 實(shí)證分析33-41
• 第四章 基于EEMD-PSO-SVR模型的居民價(jià)格消費(fèi)指數(shù)預(yù)測(cè)41-55
• 4.1 支持向量分類機(jī)41-45
• 4.2 支持向量回歸機(jī)45-46
• 4.3 建立EEMD-PSO-SVR模型46-48
• 4.4 實(shí)證分析48-55
• 第五章 結(jié)論和展望55-57
• 5.1 結(jié)論55-56
• 5.2 展望56-57
• 參考文獻(xiàn)57-60
• 致謝60

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前5條

1 智晶;張冬梅;姜鵬飛;;基于主成分的遺傳神經(jīng)網(wǎng)絡(luò)股票指數(shù)預(yù)測(cè)研究[J];計(jì)算機(jī)工程與應(yīng)用;2009年26期

2 胡振興;田大鋼;;BP神經(jīng)網(wǎng)絡(luò)模型在滬深300指數(shù)預(yù)測(cè)中的應(yīng)用[J];現(xiàn)代商業(yè);2011年29期

3 ;ISP生存指南[J];每周電腦報(bào);1997年16期

4 楊海深;傅紅卓;;基于貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)的股票指數(shù)預(yù)測(cè)[J];科學(xué)技術(shù)與工程;2009年12期

5 ;[J];;年期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前3條

1 孫紅英;劉向榮;解玲麗;;基于傳導(dǎo)模型的2010年價(jià)格指數(shù)預(yù)測(cè)[A];中國(guó)運(yùn)籌學(xué)會(huì)模糊信息與模糊工程分會(huì)第五屆學(xué)術(shù)年會(huì)論文集[C];2010年

2 涂燕寧;劉樹亞;;用時(shí)間序列異常值分析方法進(jìn)行物價(jià)指數(shù)預(yù)測(cè)的研究[A];全國(guó)青年管理科學(xué)與系統(tǒng)科學(xué)論文集第5卷[C];1999年

3 邵明振;陳磊;宋雯彥;;中國(guó)月度居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)——基于時(shí)間序列的BP神經(jīng)網(wǎng)絡(luò)和ARMA模型對(duì)比分析[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第12卷）[C];2011年

中國(guó)重要報(bào)紙全文數(shù)據(jù)庫(kù) 前4條

1 張明;我省開展果樹花期凍害預(yù)測(cè)及預(yù)評(píng)估服務(wù)[N];陜西科技報(bào);2011年

2 李劍鋒 主持 梁偉;又到指數(shù)預(yù)測(cè)時(shí)[N];上海證券報(bào);2011年

3 記者 溫源;消費(fèi)者物價(jià)信心達(dá)四年多來最佳[N];光明日?qǐng)?bào);2014年

4 本報(bào)評(píng)論員 熊仁宇;激進(jìn)降息不是最優(yōu)選擇[N];21世紀(jì)經(jīng)濟(jì)報(bào)道;2009年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 張愉;基于EEMD去噪和PSO優(yōu)化的幾類模型在居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)中的應(yīng)用研究[D];蘭州大學(xué);2016年

2 黃振;基于支持向量機(jī)的滬深300指數(shù)預(yù)測(cè)研究[D];湖南大學(xué);2012年

3 唐娜;基于灰色理論和神經(jīng)網(wǎng)絡(luò)理論的股票指數(shù)預(yù)測(cè)研究[D];武漢理工大學(xué);2007年

，

本文編號(hào)：585823