关于我国GDP的预测方法研究
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文主要内容及方法 | 第14-15页 |
| 第二章 时间序列模型 | 第15-30页 |
| 2.1 时间序列分析理论 | 第15-21页 |
| 2.1.1 时间序列基本概念 | 第15-17页 |
| 2.1.2 平稳时间序列 | 第17-19页 |
| 2.1.3 非平稳时间序列 | 第19-21页 |
| 2.2 ARIMA模型理论 | 第21-23页 |
| 2.2.1 ARIMA模型结构 | 第21-22页 |
| 2.2.2 ARIMA模型建模 | 第22-23页 |
| 2.3 基于ARIMA模型的GDP预测 | 第23-30页 |
| 2.3.1 数据选取 | 第23页 |
| 2.3.2 数据平稳化 | 第23-26页 |
| 2.3.3 模型识别与定阶 | 第26-27页 |
| 2.3.4 白噪声检验 | 第27-28页 |
| 2.3.5 模型评估 | 第28-30页 |
| 第三章 BP神经网络模型 | 第30-40页 |
| 3.1 神经网络理论 | 第30-37页 |
| 3.1.1 人工神经网络 | 第30-32页 |
| 3.1.2 BP神经网络结构 | 第32-33页 |
| 3.1.3 BP神经网络建模 | 第33-37页 |
| 3.2 基于BP神经网络的GDP预测 | 第37-40页 |
| 3.2.1 数据选取 | 第37页 |
| 3.2.2 神经网络初始化 | 第37-38页 |
| 3.2.3 模型预测 | 第38页 |
| 3.2.4 模型评估 | 第38-40页 |
| 第四章 组合预测模型 | 第40-53页 |
| 4.1 组合预测理论 | 第40-41页 |
| 4.1.1 组合预测模型优势 | 第40页 |
| 4.1.2 组合预测模型建模 | 第40-41页 |
| 4.2 基于组合模型的GDP预测 | 第41-43页 |
| 4.2.1 建立ARIMA模型 | 第41页 |
| 4.2.2 建立BP神经网络模型 | 第41-42页 |
| 4.2.3 模型评估 | 第42-43页 |
| 4.3 组合模型的改进 | 第43-49页 |
| 4.3.1 集成学习 | 第43-44页 |
| 4.3.2 改进模型的预测过程 | 第44-45页 |
| 4.3.3 建立改进的组合模型 | 第45-47页 |
| 4.3.4 模型评估 | 第47-49页 |
| 4.4 未来三年我国GDP预测 | 第49-53页 |
| 4.4.1 ARIMA模型平均 | 第49-51页 |
| 4.4.2 BP神经网络集成 | 第51-52页 |
| 4.4.3 GDP预测值 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 全文总结 | 第53-54页 |
| 5.2 不足与展望 | 第54-55页 |
| 附录 | 第55-60页 |
| 参考文献 | 第60-62页 |
| 致谢 | 第62-63页 |
| 学位论文评阅及答辩情况表 | 第63页 |
