| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 1 引言 | 第7-10页 |
| 1.1 本文研究的背景及意义 | 第7页 |
| 1.2 国内外经济预测研究的发展与现状 | 第7-8页 |
| 1.3 本文研究思路及主要内容 | 第8页 |
| 1.4 本文的创新思路 | 第8-10页 |
| 2 基于ARIMA时间序列模型的江西省生产总值预测 | 第10-23页 |
| 2.1 时间序列的基本概念 | 第10-11页 |
| 2.1.1 时间序列分析方法与ARIMA时间序列模型 | 第10页 |
| 2.1.2 时间序列的平稳性 | 第10-11页 |
| 2.2 时间序列模型 | 第11页 |
| 2.3 时间序列分析过程 | 第11-14页 |
| 2.3.1 平稳性检验 | 第11-12页 |
| 2.3.2 白噪声检验 | 第12-13页 |
| 2.3.3 模型识别 | 第13页 |
| 2.3.4 参数估计和诊断检验 | 第13-14页 |
| 2.4 基于ARIMA时间序列模型的江西省生产总值预测 | 第14-22页 |
| 2.4.1 原始GDP序列的平稳性检验 | 第14-16页 |
| 2.4.2 原始序列的平稳化处理 | 第16-19页 |
| 2.4.3 ARIMA模型的识别 | 第19-20页 |
| 2.4.4 ARIMA模型的参数估计和诊断检验 | 第20-21页 |
| 2.4.5 ARIMA模型的预测结果 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 3 基于GM(1,1)模型的江西省生产总值预测 | 第23-28页 |
| 3.1 灰色系统理论 | 第23页 |
| 3.2 灰色模型 | 第23页 |
| 3.3 GM(1,1)模型 | 第23-25页 |
| 3.3.1 GM(1,1)模型的建立步骤 | 第24页 |
| 3.3.2 GM(1,1)模型的检验 | 第24-25页 |
| 3.4 基于GM(1,1)模型的江西省生产总值预测 | 第25-27页 |
| 3.4.1 GM(1,1)模型的建立与检验 | 第26页 |
| 3.4.2 GM(1,1)模型的预测结果 | 第26-27页 |
| 3.5 本章小节 | 第27-28页 |
| 4 基于灰色遗传算法优化神经网络的江西省生产总值预测 | 第28-37页 |
| 4.1 人工神经网络 | 第28页 |
| 4.2 神经网络的学习 | 第28-29页 |
| 4.3 BP神经网络 | 第29-32页 |
| 4.3.1 BP神经网络原理 | 第29页 |
| 4.3.2 BP神经网络的计算步骤 | 第29-31页 |
| 4.3.3 BP神经网络的参数设置 | 第31页 |
| 4.3.4 BP神经网络的优、缺点 | 第31-32页 |
| 4.4 遗传算法 | 第32-33页 |
| 4.4.1 遗传算法的优缺点 | 第32页 |
| 4.4.2 遗传算法的运算流程 | 第32-33页 |
| 4.5 遗传算法优化BP神经网络 | 第33-34页 |
| 4.6 基于灰色遗传算法优化神经网络的江西省生产总值预测 | 第34-36页 |
| 4.6.1 灰色GA-BP神经网络的建立流程 | 第34-35页 |
| 4.6.2 灰色GA-BP神经网络的预测结果 | 第35-36页 |
| 4.7 本章小结 | 第36-37页 |
| 5 三种预测方法的预测结果比较与分析 | 第37-42页 |
| 5.1 相对误差与平均相对误差分析 | 第37页 |
| 5.2 基于三种方法对江西省生产总值进行预测 | 第37-40页 |
| 5.3 三种方法的预测结果比较与分析 | 第40-41页 |
| 5.4 本章小结 | 第41-42页 |
| 6 结论和展望 | 第42-44页 |
| 6.1 结论 | 第42页 |
| 6.2 展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 附录A：ARIMA时间序列模型的SAS代码 | 第48-51页 |
| 附录B：GM(1,1)模型的MATLAB代码 | 第51-53页 |
| 附录C：灰色GA-BP神经网络模型的MATLAB代码 | 第53-57页 |
