| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 引言 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.1.1 研究背景 | 第9-10页 |
| 1.1.2 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.2.1 GDP预测方法研究现状 | 第11-14页 |
| 1.2.2 组合预测模型研究现状 | 第14-16页 |
| 1.3 研究思路与方法 | 第16-17页 |
| 1.3.1 研究思路 | 第16-17页 |
| 1.3.2 研究方法 | 第17页 |
| 1.4 存在的创新点 | 第17-19页 |
| 第2章 GDP预测模型理论 | 第19-36页 |
| 2.1 时间序列预测模型 | 第19-27页 |
| 2.1.1 指数平滑模型 | 第20-22页 |
| 2.1.2 ARIMA模型 | 第22-27页 |
| 2.2 灰色预测模型 | 第27-33页 |
| 2.2.1 GM(1,1)模型 | 第28-30页 |
| 2.2.2 灰色Verhulst模型 | 第30-31页 |
| 2.2.3 GM(1,1)幂模型 | 第31-33页 |
| 2.3 BP神经网络模型 | 第33-36页 |
| 第3章 新型GDP组合预测模型的构建 | 第36-57页 |
| 3.1 单项预测模型筛选研究 | 第36-43页 |
| 3.1.1 改进的灰色关联度指标法 | 第37-39页 |
| 3.1.2 预测有效度指标法 | 第39-40页 |
| 3.1.3 预测模型冗余检验 | 第40-42页 |
| 3.1.4 基于综合有效性指标的模型筛选 | 第42-43页 |
| 3.2 组合预测模型权重确定方法 | 第43-50页 |
| 3.2.1 方差-协方差法 | 第43-45页 |
| 3.2.2 熵值法 | 第45-46页 |
| 3.2.3 相关系数法 | 第46-48页 |
| 3.2.4 IOWA算子法 | 第48-50页 |
| 3.3 组合预测模型新方法 | 第50-57页 |
| 3.3.1 马尔可夫链理论 | 第50-52页 |
| 3.3.2 马尔可夫链优化IOWA算子的组合预测模型 | 第52-55页 |
| 3.3.3 新型组合预测模型的构建 | 第55-57页 |
| 第4章 我国GDP预测实例分析 | 第57-79页 |
| 4.1 数据选取 | 第57页 |
| 4.2 模型预测效果评价 | 第57-58页 |
| 4.3 单项模型预测 | 第58-68页 |
| 4.3.1 时间序列模型预测 | 第58-63页 |
| 4.3.2 灰色预测 | 第63-66页 |
| 4.3.3 BP神经网络预测 | 第66-68页 |
| 4.4 模型筛选 | 第68-71页 |
| 4.4.1 各预测模型的改进灰色关联度指标 | 第68-69页 |
| 4.4.2 各预测模型的预测有效度指标 | 第69-70页 |
| 4.4.3 各预测模型的综合有效性指标 | 第70页 |
| 4.4.4 预测模型冗余检验 | 第70-71页 |
| 4.5 组合模型预测 | 第71-75页 |
| 4.5.1 基于方差-协方差的组合模型预测 | 第71-72页 |
| 4.5.2 基于熵值法的组合模型预测 | 第72页 |
| 4.5.3 基于相关系数的组合模型预测 | 第72-73页 |
| 4.5.4 基于IOWA算子的组合模型预测 | 第73-75页 |
| 4.6 马尔可夫链优化IOWA算子的组合模型预测 | 第75-77页 |
| 4.7 模型预测效果比较分析 | 第77-79页 |
| 第5章 结论与展望 | 第79-81页 |
| 5.1 研究总结 | 第79-80页 |
| 5.2 研究展望 | 第80-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-88页 |
| 附录A | 第88-90页 |
| 附录B | 第90-91页 |
| 攻读学位期间的研究成果 | 第91页 |