地区固定资产投资预测研究

发布时间：2022-01-05 21:14

　　固定资产投资对我国宏观经济运行有重大影响,尤其在促进经济增长、优化资源配置、改善人民生活、扩大就业等方面有重大作用,因此有必要对固定资产投资做出准确预测。而固定资产投资往往受很多不确定因素的影响,这些因素之间有着错综复杂的联系,难以用数理统计模型进行预测。本文通过灰色神经网络组合模型、支持向量机模型和ARIMA模型分别对天津市固定资产投资做出了有效预测,并进行了对比分析。在国内外固定资产投资预测研究现状的基础上,本文进一步分析了预测模型的原理,探索了模型的预测机制,并利用MATLAB软件实现了支持向量机模型预测分析,利用R语言实现了灰色神经网络模型和ARIMA模型的预测分析。经实证分析,在预测精度上,支持向量机模型和ARIMA模型都具有较高的预测精度,灰色神经网络模型预测精度相比较低一些;在预测趋势效果上,支持向量机模型和ARIMA模型预测值在实际值附近波动,灰色神经网络模型预测值稍低于实际值,但预测曲线与实际曲线走向十分相近,预测趋势效果更好,适合长期趋势预测;在预测随机性上,ARIMA模型预测曲线相比另外两个预测模型曲线偏折线形状,体现了时间序列随机性的特点,适合具有随机性的短期时... 

【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

天津市固定资产实际值与预测值对比图

固定资产投资额时序图

固定资产投资额归一化时序图

【参考文献】：
期刊论文
[1]中国制造业发展与“中国制造2025”规划[J]. 郭朝先,王宏霞.  经济研究参考. 2015(31)
[2]时间序列分析的一个重要问题及其解决方法[J]. 田应福,姜晴琼.  统计与决策. 2015(06)
[3]相关系数矩阵的逆矩阵与行列式的内涵分析[J]. 卢珊,王惠文,关蓉.  数学的实践与认识. 2015(06)
[4]科技金融中的关键问题——中国科技金融2014年会综述[J]. 肇启伟,付剑峰,刘洪江.  管理世界. 2015(03)
[5]基于网格搜索和交叉验证的支持向量机在梯级水电系统隐随机调度中的应用[J]. 纪昌明,周婷,向腾飞,黄海涛.  电力自动化设备. 2014(03)
[6]江西固定资产投资与经济发展的关系探析[J]. 彭道宾,涂姗华.  中国统计. 2014(02)
[7]中国地级市房地产开发与人居环境耦合发展空间格局[J]. 张英佳,李雪铭,夏春光.  地理科学进展. 2014(02)
[8]基于改进型灰色神经网络组合模型的空气质量预测[J]. 司志娟,孙宝盛,李小芳.  环境工程学报. 2013(09)
[9]产业结构理论的演化和发展研究[J]. 杨晗,邱晖.  商业经济. 2012(10)
[10]基于灰色理论的武汉市全社会固定资产投资预测[J]. 陈悦华,廖造壮.  科学技术与工程. 2012(14)



本文编号：3571087