國內生產總值是反映一個國家經濟發(fā)展水平和狀況的重要指標,對其進行預測有著至關重要的意義。單純地依靠時間序列進行線性分析,難以適應當前形勢下復雜多變的社會經濟背景。因此本文綜合考慮影響國內生產總值的相關因素,選取全社會用電量、電力生產量、能源消費總量、一次性電力及其它能源消費量四個指標,輔助往年GDP(Gross Domestic Product)數據,構成預測網絡,提高預測的精度。本文共分為五部分,第一部分介紹了選題的研究背景、研究意義以及研究現狀;第二部分以我國GDP作為考察我國經濟發(fā)展水平的指標,收集能夠影響我國GDP的相關因素,進而對收集到的能源生產消費等影響因素與我國GDP進行相關性分析,計算皮爾遜系數,結果表明所選影響因素均與GDP有著極強的線性關系,接下來通過灰色關聯分析法計算各個影響因素與GDP之間的灰色關聯度,通過灰色關聯度確定不同影響因素對GDP的影響程度,對其按照重要程度排序,最終篩選出全社會用電量、電力生產量、能源消費總量、一次性電力及其它能源消費量構成預測我國GDP的指標體系;第三部分基于神經網絡在多個領域中建模預測所取得的優(yōu)越效果,選用了神經網絡預測模型中的L...

【文章頁數】：52 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現狀
        1.2.1 傳統預測方法研究現狀
        1.2.2 能源與經濟關系研究現狀
        1.2.3 基于電力數據的預測方法研究現狀
    1.3 本文主要工作
第2章 影響宏觀經濟的能源數據選取
    2.1 數據指標選取與來源
    2.2 電力相關數據對經濟的影響
        2.2.1 電力是經濟發(fā)展的重要能源基礎
        2.2.2 電力需求會影響區(qū)域經濟與產業(yè)結構的發(fā)展
    2.3 能源消費對經濟的影響
    2.4 相關性分析
        2.4.1 Pearson相關系數
        2.4.2 灰色關聯分析
    2.5 本章小結
第3章 基于LSTM模型的我國GDP預測
    3.1 神經網絡基本原理
    3.2 LSTM基本原理
    3.3 實例驗證分析
        3.3.1 單變量LSTM預測
        3.3.2 多變量LSTM預測
    3.4 本章小結
第4章 基于ARIMA模型的我國GDP預測
    4.1 時間序列預測模型原理
        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 實例驗證分析
    4.3 本章小結
第5章 基于組合模型的我國GDP預測
    5.1 組合模型概述
    5.2 基于BP神經網絡的權值分析
    5.3 組合模型的構建及預測
    5.4 本章小結
第6章 結論與建議
    6.1 全文總結
    6.2 不足與展望
參考文獻
致謝



本文編號：3829870