基于多维能源数据的宏观经济预测方法研究

发布时间：2023-06-03 19:06

　　国内生产总值是反映一个国家经济发展水平和状况的重要指标,对其进行预测有着至关重要的意义。单纯地依靠时间序列进行线性分析,难以适应当前形势下复杂多变的社会经济背景。因此本文综合考虑影响国内生产总值的相关因素,选取全社会用电量、电力生产量、能源消费总量、一次性电力及其它能源消费量四个指标,辅助往年GDP(Gross Domestic Product)数据,构成预测网络,提高预测的精度。本文共分为五部分,第一部分介绍了选题的研究背景、研究意义以及研究现状;第二部分以我国GDP作为考察我国经济发展水平的指标,收集能够影响我国GDP的相关因素,进而对收集到的能源生产消费等影响因素与我国GDP进行相关性分析,计算皮尔逊系数,结果表明所选影响因素均与GDP有着极强的线性关系,接下来通过灰色关联分析法计算各个影响因素与GDP之间的灰色关联度,通过灰色关联度确定不同影响因素对GDP的影响程度,对其按照重要程度排序,最终筛选出全社会用电量、电力生产量、能源消费总量、一次性电力及其它能源消费量构成预测我国GDP的指标体系;第三部分基于神经网络在多个领域中建模预测所取得的优越效果,选用了神经网络预测模型中的L...

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 传统预测方法研究现状
        1.2.2 能源与经济关系研究现状
        1.2.3 基于电力数据的预测方法研究现状
    1.3 本文主要工作
第2章 影响宏观经济的能源数据选取
    2.1 数据指标选取与来源
    2.2 电力相关数据对经济的影响
        2.2.1 电力是经济发展的重要能源基础
        2.2.2 电力需求会影响区域经济与产业结构的发展
    2.3 能源消费对经济的影响
    2.4 相关性分析
        2.4.1 Pearson相关系数
        2.4.2 灰色关联分析
    2.5 本章小结
第3章 基于LSTM模型的我国GDP预测
    3.1 神经网络基本原理
    3.2 LSTM基本原理
    3.3 实例验证分析
        3.3.1 单变量LSTM预测
        3.3.2 多变量LSTM预测
    3.4 本章小结
第4章 基于ARIMA模型的我国GDP预测
    4.1 时间序列预测模型原理
        4.1.1 AR模型
        4.1.2 MA模型
        4.1.3 ARMA模型
        4.1.4 ARIMA模型
    4.2 实例验证分析
    4.3 本章小结
第5章 基于组合模型的我国GDP预测
    5.1 组合模型概述
    5.2 基于BP神经网络的权值分析
    5.3 组合模型的构建及预测
    5.4 本章小结
第6章 结论与建议
    6.1 全文总结
    6.2 不足与展望
参考文献
致谢



本文编号：3829870