基于自组织数据挖掘的GDP预测研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-16页 |
| 第一节 选题意义 | 第8-9页 |
| 一、研究背景 | 第8页 |
| 二、理论意义 | 第8-9页 |
| 三、实际意义 | 第9页 |
| 第二节 文献综述 | 第9-14页 |
| 一、关于自组织数据挖掘 | 第9-12页 |
| 二、关于GDP预测方法 | 第12-13页 |
| 三、关于自组织数据挖掘与GDP预测 | 第13-14页 |
| 第三节 研究思路及框架 | 第14-15页 |
| 第四节 本文的创新或学术贡献 | 第15-16页 |
| 第二章 理论背景介绍 | 第16-26页 |
| 第一节 自组织数据挖掘理论 | 第16-21页 |
| 一、自组织数据挖掘建模的基本思想 | 第16页 |
| 二、自组织数据挖掘建模的基本原理 | 第16-18页 |
| 三、自组织数据挖掘建模的基本原则 | 第18-19页 |
| 四、主要算法介绍 | 第19-21页 |
| 第二节 经济预测与GDP预测的理论与方法 | 第21-24页 |
| 一、经济预测基本理论与方法 | 第21页 |
| 二、GDP预测基本理论与方法 | 第21-22页 |
| 三、GDP的影响因素与变动规律 | 第22-24页 |
| 第三节 自组织数据挖掘与GDP预测 | 第24-26页 |
| 一、自组织数据挖掘与经济预测 | 第24页 |
| 二、方法可行性分析 | 第24-26页 |
| 第三章 基于自组织数据挖掘的GDP预测模型 | 第26-36页 |
| 第一节 预测模型基本原理 | 第26-28页 |
| 第二节 GMDH算法的改进 | 第28-29页 |
| 第三节 改进后算法的主要步骤及相关程序实现 | 第29-33页 |
| 第四节 建模环境分析与指标选择 | 第33-36页 |
| 第四章 我国GDP的实际预测 | 第36-42页 |
| 第一节 指标预处理 | 第36-38页 |
| 一、指标预处理的方法介绍 | 第36-37页 |
| 二、指标预处理的方法选择 | 第37-38页 |
| 第二节 建模过程与建模结果 | 第38-39页 |
| 第三节 建模结果分析 | 第39-42页 |
| 第五章 与其他模型的比较 | 第42-47页 |
| 第一节 与神经网络模型的比较 | 第42-44页 |
| 第二节 与回归模型的比较 | 第44-45页 |
| 第三节 与时间序列模型的比较 | 第45-47页 |
| 第六章 总结与研究展望 | 第47-49页 |
| 第一节 文章总结 | 第47-48页 |
| 第二节 研究展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
