基于BP神经络的广东海洋生产总值预测研究
发布时间：2017-07-30 23:07
本文关键词：基于BP神经络的广东海洋生产总值预测研究
更多相关文章： 海洋生产总值 BP神经网络 主成分分析 预测
【摘要】：海洋生产总值是开发和利用海洋各类资源及相关产业的经济活动总和的一个量化指标,是国民经济中全部涉海经济活动一段时期内的最终反应[1]。同时,海洋生产总值也是国内生产总值核算中一个非常重要的指标。2005年我国海洋生产总值为16987亿元,占同期国内生产总值的4.0%。十年后的2014年,我国海洋生产总值为59936亿元,海洋生产总值占国内生产总值的9.4%,并且保持约7.6%的增速在增长。可知,海洋生产总值的起伏波动是能够直接影响国家宏观经济能否稳定、健康的一个重要指标[2]。因此,依据海洋生产总值组成成分的运行规律,预测海洋生产总值能够对海洋经济甚至国家宏观经济持续健康发展有着重要的指导意义[3]。本文首先介绍了本论文的选题背景、研究意义、研究方法及研究思路等问题。较为全面的研究了前人对海洋生产总值预测的理论和海洋生产总值预测所采用的模型,也获悉了海洋生产总值预测的意义以及要达到的效果。因此本文引入了拟合能力更强的BP神经网络模型,并将其实际应用到广东海洋生产总值的预测中。由于我国海洋经济数据统计口径在2001年和2006年均做了不同程度上的改变,而且统计种类繁多。因此在实际建模的过程中,面临的首要问题就是海洋样本数据不仅数量少而且种类“杂”的特点,对此,本文首先采用了主成分分析将影响广东海洋生产总值的影响因子筛选出影响程度较高、能基本代表海洋生产总值统计信息的五个关键因子,解决了样本数据“杂”的特点。其次利用Bagging等弱学习技术生成样本以训练BP神经网络,解决海洋可用的样本数据少的问题。最后针对BP神经网络可能面临的预测结果不稳定的问题,引入了BP神经网络集成来提高BP网络模型在海洋生产总值预测上的精度。另外,为了验证该预测模型的可行性和可靠性,本文还采用了常用的指数平滑模型来验证BP神经网络在海洋生产总值预测这一问题上的预测效果。接下来提出结论,明确了在海洋生产总值预测中,基于BP神经网络的预测模型相比传统的指数平滑模型有预测精度上的优势。但是也存在变量间关系难以解释清楚等缺陷等。最后,就基于BP神经网络模型预测海洋生产总值在模型改造上和应用拓展上进行了展望。
【关键词】：海洋生产总值 BP神经网络 主成分分析 预测
【学位授予单位】：五邑大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F127;P74;TP183
【目录】：
- 摘要4-5
- Abstract5-8
- 第一章 绪论8-14
- 1.1 选题背景8-9
- 1.2 研究意义9-10
- 1.3 研究方法及研究思路10-12
- 1.4 难点以及创新点12-14
- 第二章 海洋生产总值理论与预测方法14-17
- 2.1 海洋生产总值的概念以及核算标准14-15
- 2.2 国内外海洋生产总值预测方法概述15-17
- 第三章 BP神经网络模型17-26
- 3.1 BP神经网络的概念以及学习机制17-21
- 3.2 BP神经网络参数的确定21-23
- 3.3 Bagging技术下的样本生成23-24
- 3.4 BP神经网络集成24-26
- 第四章 广东海洋生产总值预测模型的构建26-38
- 4.1 广东海洋经济发展现状26-27
- 4.2 广东海洋生产总值指标体系的确立及数据预处理27-31
- 4.3 BP神经网络模型的构建31-33
- 4.4 BP神经网络及集成的广东海洋生产总值预测33-34
- 4.5 指数平滑预测模型预测广东省海洋生产总值34-38
- 第五章 BP神经网络与指数平滑预测效果比较分析38-41
- 5.1 两种模型的预测结果比较38-39
- 5.2 两种模型的预测效果分析39-41
- 结论与展望41-43
- 参考文献43-46
- 攻读硕士学位期间发表论文与科研项目46-47
- 附录47-50
- 致谢50
【参考文献】
中国期刊全文数据库 前8条
1 杨伟,倪黔东,吴军基;BP神经网络权值初始值与收敛性问题研究[J];电力系统及其自动化学报;2002年01期
2 王正群,陈世福,陈兆乾;并行学习神经网络集成方法[J];计算机学报;2005年03期
3 李小飞;;基于BP网络的GDP预测数据预处理方法研究[J];计算机与数字工程;2011年09期
4 于玲;吴铁军;;集成学习:Boosting算法综述[J];模式识别与人工智能;2004年01期
5 原峰;鲁亚运;杨伦庆;;海洋生产总值核算方法研究[J];经济研究导刊;2013年07期
6 殷克东;张雪娜;;基于BP网络的海洋生产总值预测[J];海洋开发与管理;2011年11期
7 何鸣;李国正;袁捷;吴耿锋;;基于主成份分析的Bagging集成学习方法[J];上海大学学报(自然科学版);2006年04期
8 ;广东提出2015年初步建成海洋经济强省[J];政策w，
本文编号：596433
本文链接：https://www.wllwen.com/jingjilunwen/zhongguojingjilunwen/596433.html
