基于BP神经网络改进算法的湖南省GDP预测研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 导论 | 第8-15页 |
| ·选题背景 | 第8-9页 |
| ·宏观经济预测研究现状 | 第9-10页 |
| ·人工神经网络在预测中的研究现状与水平 | 第10-12页 |
| ·国内研究现状与水平 | 第11页 |
| ·国外研究现状与水平 | 第11-12页 |
| ·本文研究意义及思路 | 第12-13页 |
| ·本文的研究方法与主要内容 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第二章 传统GDP主要预测方法评述 | 第15-26页 |
| ·随机时间序列预测法 | 第15-18页 |
| ·回归模型预测法 | 第18-24页 |
| ·一元线性回归模型 | 第19-22页 |
| ·多元线性回归预测 | 第22-24页 |
| ·传统主要预测方法评价 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 BP神经网络及其算法的改进 | 第26-40页 |
| ·人工神经网络概述 | 第26-35页 |
| ·人工神经网络的基本思想及其发展 | 第26-27页 |
| ·人工神经网络的基本结构 | 第27-29页 |
| ·人工神经网络的特点 | 第29-30页 |
| ·BP神经网络 | 第30-34页 |
| ·BP网络预测存在的缺陷及优势分析 | 第34-35页 |
| ·BP网络模型算法的改进 | 第35-36页 |
| ·算法收敛缓慢的原因和改进方法 | 第35-36页 |
| ·BP算法易陷入局部极小的原因和改进措施 | 第36页 |
| ·BP神经网络在预测领域的实现 | 第36-39页 |
| ·构造BP网络的步骤 | 第36-37页 |
| ·BP网络的预测建模 | 第37-38页 |
| ·BP神经网络的训练和仿真 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 BP神经网络在湖南省GDP预测中的应用 | 第40-54页 |
| ·湖南省GDP概况 | 第40-43页 |
| ·国内生产总值(GDP) | 第40-41页 |
| ·GDP核算在宏观经济管理中的作用 | 第41页 |
| ·湖南省经济发展现状 | 第41-43页 |
| ·湖南省GDP预测模型的建立 | 第43-48页 |
| ·隐含层和层内神经元数目的选择 | 第43-44页 |
| ·学习样本的选择与数据处理 | 第44-47页 |
| ·GDP神经网络预测模型的实现 | 第47-48页 |
| ·实证检验 | 第48-53页 |
| ·预测结果分析 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第五章 神经网络预测与传统预测方法的比较分析 | 第54-63页 |
| ·神经网络预测与时间序列预测比较 | 第54-59页 |
| ·湖南省GDP的时间序列预测模型 | 第54-58页 |
| ·时间序列预测与神经网络预测对比 | 第58-59页 |
| ·神经网络预测与回归分析预测比较 | 第59-62页 |
| ·湖南省GDP的回归分析模型 | 第59-62页 |
| ·回归分析预测与神经网络预测对比 | 第62页 |
| ·本章小结 | 第62-63页 |
| 第六章 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间主要的研究成果 | 第69页 |
