基于LSTM的组合模型的居民消费价格指数的预测研究

发布时间：2023-03-27 01:21

　　居民消费价格指数(CPI)通常用来度量生活成本,是度量居民生活消费品和服务价格水平随时间变动的相对数,不仅影响到政府的物价、薪资、财政、货币、消费、社会保障的政策,而且与我们得生活密不可分。同时,居民消费价格指数是一个综合指标,可以反映出社会的经济现象,其波动率在一定程度上反映了通货膨胀或紧缩的程度,而且居民消费价格指数的高低也间接影响资本市场(如股票市场、期货市场、资本市场、金融市场)的变化。因此准确预测居民消费价格指数,建立一个可靠、准确的预测模型,对政策制定者、研究学者以及普通民众都有重大意义。目前对于居民消费价格指数的预测大多采用的是时间序列预测模型以及单一的神经网络模型,虽然取得了不错的效果,但仍然存在着诸多问题,比如模型稳定性不高、预测误差会随着时间不断增大、在数据序列波动剧烈的情况下无法得到准确结论,预测精度有很大的上升空间。随着社会科技不断发展,人工智能的广泛应用,各领域学者研究并开创了各种有效的方法,并将其运用到时间序列数据的预测中来,比如数据预处理方法、优化算法以及各种性能更好的神经网络模型,大量实验证明了此类方法的有效性,同时在对不同领域的时间序列数据进行预测的过...

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 研究现状
        1.2.1 基于传统时间序列模型的预测研究
        1.2.2 基于神经网络模型的预测研究
        1.2.3 基于组合模型的预测研究
        1.2.4 文献述评
    1.3 主要研究内容
    1.4 研究的可能创新点和不足
        1.4.1 研究的可能创新点
        1.4.2 研究的不足
2 居民消费价格指数概述及波动情况
    2.1 居民消费价格指数概念及构成
        2.1.1 居民消费价格指数概念
        2.1.2 居民消费价格指数构成
    2.2 居民消费价格指数发展历程及编制
        2.2.1 发展历程
        2.2.2 编制方法
    2.3 居民消费价格指数波动情况
        2.3.1 我国环比CPI的波动分析
        2.3.2 我国定基CPI的波动分析
    2.4 本章小结
3 相关理论及方法简介
    3.1 数据预处理
        3.1.1 经验模态分解
        3.1.2 集合经验模态分解
        3.1.3 自适应白噪声的完全集合经验模态分解
    3.2 人工神经网络
        3.2.1 人工神经网络简介
        3.2.2 循环神经网络
        3.2.3 长短时记忆网络
    3.3 灰狼优化算法
        3.3.1 群智能优化算法
        3.3.2 灰狼优化算法
    3.4 本章小结
4 居民消费价格指数预测分析
    4.1 实验设计
        4.1.1 设计思路
        4.1.2 组合模型搭建
        4.1.3 预测步骤
    4.2 实验数据选取
    4.3 评价指标选取
    4.4 预测分析
        4.4.1 实验一:神经网络与时间序列模型对比
        4.4.2 实验二:单一模型与组合模型对比
        4.4.3 实验三:不同区域之间预测效果对比
    4.5 本章小结
5 结论与展望
    5.1 结论
    5.2 展望
参考文献
后记



本文编号：3772091