| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 论文研究背景 | 第9-10页 |
| 1.2 国内外宏观经济预测现状 | 第10-12页 |
| 1.3 论文结构安排 | 第12-14页 |
| 第二章 人工神经网络介绍 | 第14-18页 |
| 2.1 人工神经网络简介 | 第14页 |
| 2.2 人工神经网络的基本机制原理 | 第14-17页 |
| 2.3 小结 | 第17-18页 |
| 第三章 BP神经网络算法及其改进 | 第18-24页 |
| 3.1 标准BP神经网络算法 | 第18-21页 |
| 3.2 BP神经网络学习流程 | 第21-22页 |
| 3.3 BP神经网络算法的不足与改进 | 第22-23页 |
| 3.4 小结 | 第23-24页 |
| 第四章 基于PSO和PCA-PSO算法的BP神经网络的GDP和CPI预测模型 | 第24-31页 |
| 4.1 主成分分析方法 | 第24-25页 |
| 4.2 粒子群优化算法 | 第25页 |
| 4.3 PSO-BP模型 | 第25-28页 |
| 4.4 实验与结果分析 | 第28-30页 |
| 4.5 小结 | 第30-31页 |
| 第五章 基于GWO和PCA-GWO算法的SVM神经网络的GDP和CPI预测模型 | 第31-40页 |
| 5.1 支持向量机 | 第31-33页 |
| 5.2 灰狼优化算法 | 第33-35页 |
| 5.2.1 灰狼群体捕食机制 | 第33-34页 |
| 5.2.2 灰狼优化算法数学模型介绍 | 第34-35页 |
| 5.3 GWO-SVM模型 | 第35-37页 |
| 5.4 实验结果与分析 | 第37-39页 |
| 5.5 小结 | 第39-40页 |
| 第六章 总结与展望 | 第40-42页 |
| 6.1 总结 | 第40页 |
| 6.2 展望 | 第40-42页 |
| 参考文献 | 第42-45页 |
| 攻读硕士期间发表的论文及所取得的成果 | 第45-46页 |
| 致谢 | 第46-47页 |