本文關(guān)鍵詞：基于BP神經(jīng)網(wǎng)絡(luò)模型下預(yù)測吉林省GDP，由筆耕文化傳播整理發(fā)布。

【摘要】：國內(nèi)生產(chǎn)總值(GDP)是當(dāng)代國民經(jīng)濟(jì)核算體制的焦點(diǎn)因素,也是權(quán)衡一個(gè)國家綜合國力的首要因素,這個(gè)因素把國民經(jīng)濟(jì)所有行徑的產(chǎn)出結(jié)果歸納在一個(gè)極其精煉的統(tǒng)計(jì)數(shù)字當(dāng)中,而且為評(píng)估和權(quán)衡國家經(jīng)濟(jì)發(fā)展?fàn)顟B(tài)以及社會(huì)財(cái)富的經(jīng)濟(jì)施展提供了一個(gè)最為綜合的標(biāo)準(zhǔn).可以說,它是影響經(jīng)濟(jì)生活甚至社會(huì)生活的最重要的經(jīng)濟(jì)因素.所以,如果想要對(duì)一個(gè)國家的經(jīng)濟(jì)政策進(jìn)行合理的規(guī)劃,那么對(duì)這個(gè)國家的GDP進(jìn)行分析研究就顯得格外重要.因此建立一個(gè)能夠?qū)ξ磥斫?jīng)濟(jì)發(fā)展進(jìn)行合理、準(zhǔn)確的預(yù)測的模型是必不可少的.因?yàn)橹挥薪⒁粋�(gè)良好的經(jīng)濟(jì)預(yù)測模型,才能準(zhǔn)確地掌握未來的經(jīng)濟(jì)發(fā)展形勢,才能根據(jù)走勢制定相應(yīng)的調(diào)控手段,如財(cái)政政策,地區(qū)建設(shè)政策,貨幣政策等等.在現(xiàn)有的對(duì)經(jīng)濟(jì)預(yù)測的方式中,時(shí)間序列分析和多元回歸分析是較為常用的.但是隨著經(jīng)濟(jì)的高速發(fā)展,影響GDP的附加干擾因素越來越多,另外GDP的變化本身就是非線性的,加之突發(fā)的不確定性情況也越來越多,所以在預(yù)測的時(shí)間段里,利用傳統(tǒng)的預(yù)測方法對(duì)GDP進(jìn)行較為準(zhǔn)確的預(yù)測就成為了一個(gè)難題.而人工神經(jīng)網(wǎng)絡(luò)是一種非線性、非局域性、非定常性的繁雜網(wǎng)絡(luò)體系,擁有并行漫衍的信息處理構(gòu)造和自適應(yīng)的腦形式的信息處理的本領(lǐng)與實(shí)力,它能夠經(jīng)過“自學(xué)習(xí)”或“訓(xùn)練”掌管大批的常識(shí),落實(shí)好特定的事情.其中,BP人工網(wǎng)絡(luò)在創(chuàng)建預(yù)測模型方面更是占有明顯的優(yōu)勢：一方面,它能依據(jù)已有的數(shù)據(jù)模型進(jìn)行預(yù)測,過程不繁瑣；另一方面,它還能主動(dòng)地靠攏那些有用的數(shù)據(jù),找到數(shù)據(jù)中蘊(yùn)藏的規(guī)律.實(shí)驗(yàn)證明,人工神經(jīng)網(wǎng)絡(luò)在時(shí)間序列數(shù)據(jù)預(yù)測方面,網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測方面,特別是在非常繁瑣的非線性時(shí)間序列數(shù)據(jù)預(yù)測方面比傳統(tǒng)的預(yù)測方法更加方便,效果更好.經(jīng)濟(jì)預(yù)測問題是典型的多指標(biāo)小樣本繁雜體系的預(yù)測問題.本文利用SAS軟件通過標(biāo)準(zhǔn)化、逐步回歸分析等手段對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理,使數(shù)據(jù)便于分析研究,其中,顯著影響因素有X2(人口總數(shù)),X4(政府消費(fèi)),X5(入境人數(shù)),X6(各項(xiàng)稅收),X7(進(jìn)出口總額)等五個(gè).預(yù)處理后利用仿真擬合、神經(jīng)網(wǎng)絡(luò)預(yù)測等方法根據(jù)1992-2011年吉林省國民生產(chǎn)總值近20年的統(tǒng)計(jì)數(shù)據(jù),研究了影響吉林省經(jīng)濟(jì)發(fā)展情況的有關(guān)因素.本文的突出特點(diǎn)在于用逐步回歸方法對(duì)變量進(jìn)行預(yù)處理,從而在保證信息量的前提下減少輸入變量,這也就處理了BP人工神經(jīng)網(wǎng)絡(luò)在模擬預(yù)測復(fù)雜經(jīng)濟(jì)問題時(shí)輸入變量過多導(dǎo)致效率過低的問題.實(shí)例證明,BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型在繁雜經(jīng)濟(jì)系統(tǒng)模擬預(yù)測中比傳統(tǒng)的經(jīng)濟(jì)預(yù)測模型(逐步回歸、主成分回歸)有更好的效果.
【關(guān)鍵詞】：GDP預(yù)測 逐步回歸分析 主成份回歸 BP神經(jīng)網(wǎng)絡(luò)模型
【學(xué)位授予單位】：延邊大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F127;TP183
【目錄】：

• 摘要6-7
• Abstract7-11
• 第一章 導(dǎo)論11-15
• 1.1 選題背景11-12
• 1.2 GDP預(yù)測研究現(xiàn)狀12-13
• 1.3 BP人工神經(jīng)網(wǎng)絡(luò)模型的研究現(xiàn)狀與水平13
• 1.4 本文研究的意義及思路13-14
• 1.5 本文的研究方法與主要內(nèi)容14-15
• 第二章 評(píng)述GDP主要預(yù)測方法的相關(guān)理論15-25
• 2.1 回歸預(yù)測分析法15-21
• 2.1.1 一元線性回歸模型15-18
• 2.1.2 多元線性回歸模型18-20
• 2.1.3 回歸預(yù)測方法的評(píng)價(jià)20-21
• 2.2 主成分分析21-23
• 2.2.1 主成分分析簡介21-23
• 2.2.2 主成分分析法的評(píng)價(jià)23
• 2.3 BP神經(jīng)網(wǎng)絡(luò)23-24
• 2.4 本章小結(jié)24-25
• 第三章 BP神經(jīng)網(wǎng)絡(luò)模型在吉林省GDP預(yù)測中的應(yīng)用25-39
• 3.1 吉林省經(jīng)濟(jì)概況25-28
• 3.2 吉林省GDP預(yù)測模型的建立28-38
• 3.2.1 原始數(shù)據(jù)的預(yù)處理28-30
• 3.2.2 主成分回歸30-33
• 3.2.3 BP神經(jīng)網(wǎng)絡(luò)模型33-38
• 3.2.4 兩種預(yù)測方法的效果對(duì)比38
• 3.3 本章小結(jié)38-39
• 第四章 結(jié)論39-40
• 參考文獻(xiàn)40-43
• 致謝43

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前6條

1 林健,彭敏晶;基于神經(jīng)網(wǎng)絡(luò)集成的GDP預(yù)測模型[J];管理學(xué)報(bào);2005年04期

2 孫彩;姜明輝;;基于GP的非線性GDP預(yù)測模型的構(gòu)建與應(yīng)用[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版);2008年01期

3 肖智;吳慰;;基于PSO-PLS的組合預(yù)測方法在GDP預(yù)測中的應(yīng)用[J];管理科學(xué);2008年03期

4 蔣雪;王頂;;基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)的GDP預(yù)測方法[J];經(jīng)濟(jì)論壇;2010年03期

5 陳志高;;遺傳算法和BP神經(jīng)網(wǎng)絡(luò)在GDP預(yù)測中的應(yīng)用[J];計(jì)算機(jī)與數(shù)字工程;2009年09期

6 郝香芝;李少穎;;我國GDP時(shí)間序列的模型建立與預(yù)測[J];統(tǒng)計(jì)與決策;2007年23期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 樂燁;陸島水上客運(yùn)發(fā)展研究[D];上海海事大學(xué);2004年

2 吳，

本文編號(hào)：377141