本文關(guān)鍵詞：基于線性回歸和神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型在國(guó)民經(jīng)濟(jì)數(shù)據(jù)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

【摘要】：《中國(guó)統(tǒng)計(jì)年鑒》是一部統(tǒng)計(jì)性數(shù)據(jù)，由國(guó)家統(tǒng)計(jì)出版社出版。該書主要負(fù)責(zé)統(tǒng)計(jì)每年的各種數(shù)據(jù)。在本文中，研究對(duì)象是該書中的第二部分國(guó)民經(jīng)濟(jì)數(shù)據(jù)。國(guó)民經(jīng)濟(jì)反映的是全國(guó)的經(jīng)濟(jì)數(shù)據(jù)，主要包括：國(guó)民生產(chǎn)總值，第一產(chǎn)業(yè)，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)。其中，第二產(chǎn)業(yè)包括工業(yè)和建筑業(yè)。國(guó)民經(jīng)濟(jì)數(shù)據(jù)還包括國(guó)民總收入和人均收入。本文就是研究國(guó)民生產(chǎn)總值和其他各項(xiàng)數(shù)值之間的關(guān)系，通過(guò)二十多年的數(shù)據(jù)來(lái)研究他們之間的關(guān)系。本文通過(guò)研究國(guó)民經(jīng)濟(jì)數(shù)據(jù)來(lái)建立預(yù)測(cè)模型。 預(yù)測(cè)是數(shù)據(jù)挖掘中的一種常見的方法。在預(yù)測(cè)方法中，，從廣義上來(lái)分，可以分為線性預(yù)測(cè)和非線性預(yù)測(cè)，線性預(yù)測(cè)方法如：多元線性回歸方法；非線性預(yù)測(cè)方法如：神經(jīng)網(wǎng)絡(luò)算法。神經(jīng)網(wǎng)絡(luò)算法屬于計(jì)算智能算法，它是依靠系統(tǒng)的復(fù)雜程度，通過(guò)權(quán)值連接神經(jīng)網(wǎng)絡(luò)內(nèi)部節(jié)點(diǎn)之間的關(guān)系，從而達(dá)到處理信息的目的。 本文基于多元線性回歸算法和神經(jīng)網(wǎng)絡(luò)算法，提出一種基于多元線性回歸和神經(jīng)網(wǎng)絡(luò)相結(jié)合的預(yù)測(cè)模型，并將該模型用于研究國(guó)民經(jīng)濟(jì)數(shù)據(jù)。這種模型的思想來(lái)自于線性思想和非線性思想相結(jié)合，綜合利用線性預(yù)測(cè)和非線性預(yù)測(cè)相結(jié)合的思想。 本文提出預(yù)測(cè)模型是通過(guò)將線性預(yù)測(cè)結(jié)果作為神經(jīng)網(wǎng)絡(luò)的輸入神經(jīng)元的思想來(lái)實(shí)現(xiàn)的。神經(jīng)網(wǎng)絡(luò)采用的是RBF徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)。在該預(yù)測(cè)模型中，使用了MATLAB變成實(shí)現(xiàn)預(yù)測(cè)算法。 本文提出的預(yù)測(cè)模型主要包含以下幾個(gè)步驟： （1）將樣本數(shù)據(jù)信息進(jìn)行數(shù)據(jù)的多元線性回歸預(yù)測(cè)。 （2）將多元線性回歸預(yù)測(cè)的結(jié)果作為RBF神經(jīng)網(wǎng)絡(luò)的某個(gè)神經(jīng)元作為輸入層，從而神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)和訓(xùn)練的過(guò)程中受到多元線性回歸的預(yù)測(cè)結(jié)果，可以將兩者更好的結(jié)合。 （3）通過(guò)RBF神經(jīng)網(wǎng)絡(luò)得到預(yù)測(cè)結(jié)果。該結(jié)果為多元線性回歸和RBF神經(jīng)網(wǎng)絡(luò)兩者相結(jié)合的預(yù)測(cè)結(jié)果。 利用本文提出的預(yù)測(cè)模型得到的預(yù)測(cè)結(jié)果，與普通的多元線性回歸算法和神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)算法相比較，發(fā)現(xiàn)本文提出模型的預(yù)測(cè)結(jié)果較好，從而驗(yàn)證了該預(yù)測(cè)模型的正確性。
【關(guān)鍵詞】：多元線性回歸 神經(jīng)網(wǎng)絡(luò) RBF 預(yù)測(cè)
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TP183;F222.3
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 選題背景和來(lái)源10-12
• 1.1.1 選題背景10-11
• 1.1.2 選題數(shù)據(jù)來(lái)源11-12
• 1.2 本文的主要工作12-13
• 1.3 本文的框架13-14
• 1.4 本章小結(jié)14-15
• 第2章 線性回歸和神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)15-27
• 2.1 線性回歸15-20
• 2.1.1 多元線性回歸模型簡(jiǎn)介15
• 2.1.2 多元線性回歸模型實(shí)例15-20
• 2.2 神經(jīng)網(wǎng)絡(luò)20-26
• 2.2.1 神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介20-23
• 2.2.2 神經(jīng)網(wǎng)絡(luò)分類23-24
• 2.2.3 幾種神經(jīng)網(wǎng)絡(luò)算法24-26
• 2.3 本章小結(jié)26-27
• 第3章 基于線性回歸和神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型27-32
• 3.1 RBF 神經(jīng)網(wǎng)絡(luò)及缺點(diǎn)27-28
• 3.2 將線性回歸和神經(jīng)網(wǎng)絡(luò)相結(jié)合28-30
• 3.2.1 線性回歸的不足28-29
• 3.2.2 RBF 神經(jīng)網(wǎng)絡(luò)的不足29
• 3.2.3 將線性回歸和 RBF 相結(jié)合29-30
• 3.3 本文提出的預(yù)測(cè)模型30-31
• 3.4 預(yù)測(cè)模型研究意義31
• 3.5 本章小結(jié)31-32
• 第4章 預(yù)測(cè)模型在國(guó)民經(jīng)濟(jì)數(shù)據(jù)中的應(yīng)用32-41
• 4.1 國(guó)民經(jīng)濟(jì)指標(biāo)數(shù)據(jù)及預(yù)處理32-34
• 4.1.1 國(guó)民經(jīng)濟(jì)指標(biāo)數(shù)據(jù)32-33
• 4.1.2 樣本數(shù)據(jù)預(yù)處理33-34
• 4.2 使用線性回歸預(yù)測(cè)國(guó)民經(jīng)濟(jì)34-37
• 4.3 使用 RBF 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)國(guó)民經(jīng)濟(jì)37
• 4.4 使用本文預(yù)測(cè)模型預(yù)測(cè)國(guó)民經(jīng)濟(jì)37-38
• 4.5 實(shí)驗(yàn)結(jié)果對(duì)比分析38-40
• 4.6 本章小結(jié)40-41
• 第5章 總結(jié)和展望41-45
• 5.1 全文總結(jié)41-43
• 5.2 展望43-45
• 參考文獻(xiàn)45-49
• 作者簡(jiǎn)介及在學(xué)期間所取得的科研成果49-50
• 致謝50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 張樹傳;;灰色系統(tǒng)參數(shù)識(shí)別方法對(duì)樁承載力預(yù)測(cè)的影響[J];福建建筑;2010年11期

2 賀玲,魯漢榕,馬婭;一種改進(jìn)的模糊學(xué)習(xí)矢量化神經(jīng)網(wǎng)絡(luò)[J];空軍雷達(dá)學(xué)院學(xué)報(bào);2001年01期

  本文關(guān)鍵詞：基于線性回歸和神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)模型在國(guó)民經(jīng)濟(jì)數(shù)據(jù)中的應(yīng)用，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：324157