| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-12页 |
| 1.1 选题的背景及意义 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-11页 |
| 1.3 本文研究思路与创新点 | 第11页 |
| 1.4 本章小结 | 第11-12页 |
| 第二章 时间序列分析理论 | 第12-22页 |
| 2.1 时间序列分析问题 | 第12页 |
| 2.2 时间序列构成 | 第12-13页 |
| 2.3 时间序列季节调整概述 | 第13-14页 |
| 2.3.1 加法模型 | 第13页 |
| 2.3.2 乘法模型 | 第13-14页 |
| 2.4 ARIMA模型的建立 | 第14-16页 |
| 2.5 SARIMA模型的建立 | 第16-17页 |
| 2.6 Elman神经网络的建立 | 第17-19页 |
| 2.6.1 Elman神经网络概述 | 第17页 |
| 2.6.2 Elman神经网络结构 | 第17-19页 |
| 2.7 组合预测模型 | 第19页 |
| 2.8 粒子群优化算法 | 第19-21页 |
| 2.9 模型的评价指标 | 第21页 |
| 2.10 本章小结 | 第21-22页 |
| 第三章 基于各模型的财政支出实证分析 | 第22-31页 |
| 3.1 数据的选取及初步分析 | 第22-23页 |
| 3.2 SARIMA模型的预测分析 | 第23-27页 |
| 3.3 Elman神经网络模型的预测分析 | 第27-28页 |
| 3.4 SARIMA和Elman组合模型的预测分析 | 第28-29页 |
| 3.5 模型比较 | 第29-30页 |
| 3.6 本章小结 | 第30-31页 |
| 第四章 结论与展望 | 第31-34页 |
| 4.1 结论 | 第31-32页 |
| 4.2 展望 | 第32-34页 |
| 参考文献 | 第34-36页 |
| 致谢 | 第36页 |