基于经济增长理论的经济预测研究

发布时间：2017-08-05 21:17

  本文关键词：基于经济增长理论的经济预测研究

  更多相关文章： 神经网络 支持向量机 经济预测 经济增长理论

【摘要】： 科学的预测是正确决策的保证。本文在现有研究成果的基础上,把经济预测理论和相关的算法结合起来,建立可实际应用的经济预测模型,为决策者提供决策依据和参考。 首先,本文介绍了经济预测的概念、分类、原则、方法、步骤及其在我国的研究目的与意义,为以后建立经济预测模型打下了基础。 其次,本文阐述了神经网络的发展历程和一些神经网络的基本算法,介绍了统计学习理论和支持向量机的具体实现,分析了不同损失函数的特点,并从不同角度,分析比较了神经网络和支持向量机的训练过程和网络结构特征。 再次,本文研究了经济学界常用作预测经济增长的三个经济增长模型以及各自的特点,指出利用神经网络和支持向量机可以模拟经济系统内部的未知关系,减少经济模型中的各种假定,从而使预测更加切合实际。 最后,本文通过神经网络和支持向量机算法构建相应的经济预测模型,利用全国的具体宏观经济数据进行了实证预测研究,实证结果表明,由于神经网络算法的预测结果不佳,所以只有基于支持向量机的经济预测是可行和有效的,利用支持向量机进行经济预测对于有效指导经济决策具有较大的参考价值。
【关键词】：神经网络 支持向量机 经济预测 经济增长理论
【学位授予单位】：天津大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：F224;F061.2
【目录】：

• 中文摘要3-4
• ABSTRACT4-5
• 目录5-7
• 目录（表）7-8
• 目录（图）8-9
• 第一章 绪论9-11
• 1.1 研究背景及意义9-10
• 1.2 论文结构和创新点10-11
• 第二章 经济预测概述11-19
• 2.1 经济预测的概念11-12
• 2.2 经济预测的基本分类12-13
• 2.3 经济预测的原则、方法与步骤13-16
• 2.4 经济预测在我国的研究目的和意义16-18
• 2.5 本章小结18-19
• 第三章 神经网络理论19-29
• 3.1 神经网络的发展历史19-21
• 3.2 神经网络的构成21-24
• 3.3 BP神经网络24-26
• 3.4 RBF神经网络26-28
• 3.5 本章小结28-29
• 第四章 支持向量机理论29-38
• 4.1 统计学习理论29-30
• 4.2 支持向量机回归估计概述30-34
• 4.3 支持向量机预测模型的建立34-36
• 4.4 支持向量机与神经网络的比较36-37
• 4.5 本章小结37-38
• 第五章 经济增长理论38-48
• 5.1 哈罗德－多马经济增长模型38-41
• 5.2 新古典经济增长模型41-43
• 5.3 新经济增长模型43-47
• 5.4 本章小结47-48
• 第六章 GDP预测模型48-62
• 6.1 预测方法48-49
• 6.2 建立模型49-50
• 6.3 模型实证50-53
• 6.4 实证结果53-61
• 6.5 本章小结61-62
• 结束语62-64
• 参考文献64-66
• 发表论文和科研情况说明66-67
• 致谢67

【相似文献】

中国期刊全文数据库 前10条

1 龚兰芳;张昱;;应用遗传算法优化支持向量机的疲劳裂纹扩展预测[J];现代制造工程;2011年06期

2 张弦;王宏力;;基于贯序正则极端学习机的时间序列预测及其应用[J];航空学报;2011年07期

3 方勇;刘庆山;;基于双重预测模型的非线性时间序列预测[J];系统仿真技术;2011年02期

4 肖翔;;支持向量机在变压器故障诊断中的应用[J];科技资讯;2011年15期

5 梁爽;张立坡;;熵权核函数支持向量机[J];科技致富向导;2011年20期

6 吕琦;;基于SVM的股票时间序列的预测研究[J];吉林工程技术师范学院学报;2011年07期

7 王慧勤;雷刚;;基于LIBSVM的风速预测方法研究[J];科学技术与工程;2011年22期

8 贾志先;;基于支持向量机的空白试卷识别方法[J];山西大学学报(自然科学版);2011年03期

9 李玲俐;;数据挖掘中分类算法综述[J];重庆师范大学学报(自然科学版);2011年04期

10 郭金玲;樊东燕;;基于SVM的山西省旅游需求预测与分析[J];电脑开发与应用;2011年09期

中国重要会议论文全文数据库 前10条

1 高尚;梅亮;;基于支持向量机的组合预测[A];2007中国控制与决策学术年会论文集[C];2007年

2 周像金;耿国华;周明全;朱翔;;基于BP神经网络和支持向量机的文物分类研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

3 门洪;武玉杰;李小英;高艳春;;基于支持向量机的分类算法研究[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

4 陆文聪;钮冰;金雨欢;;基于AdaBoost算法的亚细胞位置预测[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

5 乔园园;杨玲;吴夏;张明涛;;舌色的模式识别研究[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

6 钮冰;陆文聪;金雨欢;;利用Bagging算法预测生物膜蛋白类型[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

7 苏高利;秦钟;于强;;基于最小二乘支持向量机的农田二氧化碳通量建模[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（上册）[C];2004年

8 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年

9 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

10 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年

中国重要报纸全文数据库 前10条

1 记者 陈青　通讯员 孙国根;揭示神经网络形成新机制[N];文汇报;2011年

2 于翔;数字神经网络中的协同应用[N];网络世界;2009年

3 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

4 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报首席记者 任荃　实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年

7 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年

8 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年

9 谭薇;“潮湿计算机”：拥有人类智慧的超级大脑[N];第一财经日报;2010年

10 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年

中国博士学位论文全文数据库 前10条

1 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学（河北）;2007年

2 左琳;神经网络及在网络用户行为分析中的应用研究[D];电子科技大学;2011年

3 佟伟民;股指期货交易中操纵行为识别方法研究[D];哈尔滨工业大学;2008年

4 于萍;自适应逆控制方法研究及其应用[D];华北电力大学（河北）;2006年

5 杨实俊;可持续发展约束下小型火电厂危机管理研究[D];华北电力大学（河北）;2008年

6 刘曼兰;永磁直流电机故障在线监测与智能诊断的研究[D];哈尔滨工业大学;2007年

7 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年

8 王开义;基于支持向量机的农产品生产关键控制点发现研究[D];北京工业大学;2011年

9 程丽丽;支持向量机集成学习算法研究[D];哈尔滨工程大学;2009年

10 崔江;基于支持向量机的模拟电子电路故障分类技术研究[D];南京航空航天大学;2010年

中国硕士学位论文全文数据库 前10条

1 刘军红;基于支持向量机的红外光谱子结构解析[D];四川大学;2005年

2 王琪;基于神经网络和支持向量机的高速公路交通事件检测[D];西南交通大学;2006年

3 岳琳;城市用水量预测非线性方法的研究[D];天津大学;2005年

4 顾民;神经网络、模糊系统、支持向量机内在联系研究[D];电子科技大学;2004年

5 赵石磊;灰色系统理论在电力负荷预测中的应用[D];哈尔滨理工大学;2005年

6 赵海洋;往复压缩机气缸内压力信号检测与分析技术[D];大庆石油学院;2006年

7 曾建武;粗糙集理论及故障诊断应用研究[D];浙江大学;2006年

8 李丰龙;基于神经网络的金融证券预测方法研究[D];青岛大学;2006年

9 万以华;半导体神经计算机硬件实现研究及在全方位实物识别中的应用[D];浙江工业大学;2006年

10 涂磊;基于图像处理技术的物流数字化管理系统的实现[D];黑龙江大学;2009年

，

本文编号：626939