基于EEMD-SVR-Copula模型及夜间灯光数据的GDP预测新方法研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-14页 |
| 1.1 研究背景 | 第7-8页 |
| 1.2 研究内容 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-12页 |
| 1.4 本文特色及创新点 | 第12-14页 |
| 第二章 模型理论 | 第14-27页 |
| 2.1 原灯光数据分解——EEMD方法 | 第14-17页 |
| 2.2 分量数据合成——SVR模型 | 第17-24页 |
| 2.2.1 支持向量机(SVM)理论 | 第18-21页 |
| 2.2.2 支持向量回归(SVR)理论 | 第21-24页 |
| 2.3 二元Copula函数理论 | 第24-27页 |
| 第三章 实证研究 | 第27-42页 |
| 3.1 数据来源介绍 | 第27-28页 |
| 3.2 研究区域介绍 | 第28页 |
| 3.3 GDP预测流程介绍 | 第28-30页 |
| 3.4 原灯光数据预处理 | 第30-31页 |
| 3.5 原灯光数据校正 | 第31-37页 |
| 3.5.1 原灯光数据平稳性检验 | 第31页 |
| 3.5.2 原灯光数据分解 | 第31-34页 |
| 3.5.3 新灯光数据合成 | 第34-37页 |
| 3.6 GDP预测 | 第37-40页 |
| 3.6.1 确定新灯光数据与GDP的边际分布 | 第37-38页 |
| 3.6.2 新灯光数据与GDP的二元频率直方图 | 第38页 |
| 3.6.3 Copula函数的参数估计 | 第38-39页 |
| 3.6.4 GDP预测 | 第39-40页 |
| 3.7 预测结果及模型评价 | 第40-42页 |
| 第四章 总结及展望 | 第42-44页 |
| 4.1 研究总结 | 第42-43页 |
| 4.2 研究展望 | 第43-44页 |
| 参考文献 | 第44-47页 |
| 致谢 | 第47页 |
