本文關鍵詞：基于經(jīng)濟增長理論的經(jīng)濟預測研究

  更多相關文章： 神經(jīng)網(wǎng)絡 支持向量機 經(jīng)濟預測 經(jīng)濟增長理論

【摘要】： 科學的預測是正確決策的保證。本文在現(xiàn)有研究成果的基礎上,把經(jīng)濟預測理論和相關的算法結合起來,建立可實際應用的經(jīng)濟預測模型,為決策者提供決策依據(jù)和參考。 首先,本文介紹了經(jīng)濟預測的概念、分類、原則、方法、步驟及其在我國的研究目的與意義,為以后建立經(jīng)濟預測模型打下了基礎。 其次,本文闡述了神經(jīng)網(wǎng)絡的發(fā)展歷程和一些神經(jīng)網(wǎng)絡的基本算法,介紹了統(tǒng)計學習理論和支持向量機的具體實現(xiàn),分析了不同損失函數(shù)的特點,并從不同角度,分析比較了神經(jīng)網(wǎng)絡和支持向量機的訓練過程和網(wǎng)絡結構特征。 再次,本文研究了經(jīng)濟學界常用作預測經(jīng)濟增長的三個經(jīng)濟增長模型以及各自的特點,指出利用神經(jīng)網(wǎng)絡和支持向量機可以模擬經(jīng)濟系統(tǒng)內部的未知關系,減少經(jīng)濟模型中的各種假定,從而使預測更加切合實際。 最后,本文通過神經(jīng)網(wǎng)絡和支持向量機算法構建相應的經(jīng)濟預測模型,利用全國的具體宏觀經(jīng)濟數(shù)據(jù)進行了實證預測研究,實證結果表明,由于神經(jīng)網(wǎng)絡算法的預測結果不佳,所以只有基于支持向量機的經(jīng)濟預測是可行和有效的,利用支持向量機進行經(jīng)濟預測對于有效指導經(jīng)濟決策具有較大的參考價值。
【關鍵詞】：神經(jīng)網(wǎng)絡 支持向量機 經(jīng)濟預測 經(jīng)濟增長理論
【學位授予單位】：天津大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：F224;F061.2
【目錄】：

• 中文摘要3-4
• ABSTRACT4-5
• 目錄5-7
• 目錄（表）7-8
• 目錄（圖）8-9
• 第一章 緒論9-11
• 1.1 研究背景及意義9-10
• 1.2 論文結構和創(chuàng)新點10-11
• 第二章 經(jīng)濟預測概述11-19
• 2.1 經(jīng)濟預測的概念11-12
• 2.2 經(jīng)濟預測的基本分類12-13
• 2.3 經(jīng)濟預測的原則、方法與步驟13-16
• 2.4 經(jīng)濟預測在我國的研究目的和意義16-18
• 2.5 本章小結18-19
• 第三章 神經(jīng)網(wǎng)絡理論19-29
• 3.1 神經(jīng)網(wǎng)絡的發(fā)展歷史19-21
• 3.2 神經(jīng)網(wǎng)絡的構成21-24
• 3.3 BP神經(jīng)網(wǎng)絡24-26
• 3.4 RBF神經(jīng)網(wǎng)絡26-28
• 3.5 本章小結28-29
• 第四章 支持向量機理論29-38
• 4.1 統(tǒng)計學習理論29-30
• 4.2 支持向量機回歸估計概述30-34
• 4.3 支持向量機預測模型的建立34-36
• 4.4 支持向量機與神經(jīng)網(wǎng)絡的比較36-37
• 4.5 本章小結37-38
• 第五章 經(jīng)濟增長理論38-48
• 5.1 哈羅德－多馬經(jīng)濟增長模型38-41
• 5.2 新古典經(jīng)濟增長模型41-43
• 5.3 新經(jīng)濟增長模型43-47
• 5.4 本章小結47-48
• 第六章 GDP預測模型48-62
• 6.1 預測方法48-49
• 6.2 建立模型49-50
• 6.3 模型實證50-53
• 6.4 實證結果53-61
• 6.5 本章小結61-62
• 結束語62-64
• 參考文獻64-66
• 發(fā)表論文和科研情況說明66-67
• 致謝67

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 龔蘭芳;張昱;;應用遺傳算法優(yōu)化支持向量機的疲勞裂紋擴展預測[J];現(xiàn)代制造工程;2011年06期

2 張弦;王宏力;;基于貫序正則極端學習機的時間序列預測及其應用[J];航空學報;2011年07期

3 方勇;劉慶山;;基于雙重預測模型的非線性時間序列預測[J];系統(tǒng)仿真技術;2011年02期

4 肖翔;;支持向量機在變壓器故障診斷中的應用[J];科技資訊;2011年15期

5 梁爽;張立坡;;熵權核函數(shù)支持向量機[J];科技致富向導;2011年20期

6 呂琦;;基于SVM的股票時間序列的預測研究[J];吉林工程技術師范學院學報;2011年07期

7 王慧勤;雷剛;;基于LIBSVM的風速預測方法研究[J];科學技術與工程;2011年22期

8 賈志先;;基于支持向量機的空白試卷識別方法[J];山西大學學報(自然科學版);2011年03期

9 李玲俐;;數(shù)據(jù)挖掘中分類算法綜述[J];重慶師范大學學報(自然科學版);2011年04期

10 郭金玲;樊東燕;;基于SVM的山西省旅游需求預測與分析[J];電腦開發(fā)與應用;2011年09期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 高尚;梅亮;;基于支持向量機的組合預測[A];2007中國控制與決策學術年會論文集[C];2007年

2 周像金;耿國華;周明全;朱翔;;基于BP神經(jīng)網(wǎng)絡和支持向量機的文物分類研究[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

3 門洪;武玉杰;李小英;高艷春;;基于支持向量機的分類算法研究[A];第六屆全國信息獲取與處理學術會議論文集（3）[C];2008年

4 陸文聰;鈕冰;金雨歡;;基于AdaBoost算法的亞細胞位置預測[A];中國化學會第26屆學術年會化學信息學與化學計量學分會場論文集[C];2008年

5 喬園園;楊玲;吳夏;張明濤;;舌色的模式識別研究[A];第九屆全國計算（機）化學學術會議論文摘要集[C];2007年

6 鈕冰;陸文聰;金雨歡;;利用Bagging算法預測生物膜蛋白類型[A];中國化學會第26屆學術年會化學信息學與化學計量學分會場論文集[C];2008年

7 蘇高利;秦鐘;于強;;基于最小二乘支持向量機的農田二氧化碳通量建模[A];推進氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國氣象學會2004年年會論文集（上冊）[C];2004年

8 榮海娜;張葛祥;張翠芳;;基于支持向量機的非線性系統(tǒng)辨識方法[A];中國自動化學會、中國儀器儀表學會2004年西南三省一市自動化與儀器儀表學術年會論文集[C];2004年

9 林杰華;張斌;李冬森;宋華茂;余志強;王浩;;支持向量機在電力客戶信用評級中的應用[A];全國第21屆計算機技術與應用學術會議（CACIS·2010）暨全國第2屆安全關鍵技術與應用學術會議論文集[C];2010年

10 蔣鐵軍;張懷強;李積源;;多變量系統(tǒng)預測的支持向量機方法研究[A];管理科學與系統(tǒng)科學研究新進展——第7屆全國青年管理科學與系統(tǒng)科學學術會議論文集[C];2003年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 記者 陳青　通訊員 孫國根;揭示神經(jīng)網(wǎng)絡形成新機制[N];文匯報;2011年

2 于翔;數(shù)字神經(jīng)網(wǎng)絡中的協(xié)同應用[N];網(wǎng)絡世界;2009年

3 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

4 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報首席記者 任荃　實習生 史博臻;軌交“神經(jīng)網(wǎng)絡”觸動創(chuàng)新神經(jīng)[N];文匯報;2011年

7 計算機世界實驗室 韓勖;當布線系統(tǒng)遭遇神經(jīng)網(wǎng)絡[N];計算機世界;2009年

8 曹建兵 李祖兵 特約記者 何天進 本報記者 于莘明;給導彈植入“神經(jīng)網(wǎng)絡”[N];科技日報;2005年

9 譚薇;“潮濕計算機”：擁有人類智慧的超級大腦[N];第一財經(jīng)日報;2010年

10 韓婷婷;ICT強壯奧運“神經(jīng)網(wǎng)絡”[N];通信產(chǎn)業(yè)報;2007年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊金芳;支持向量回歸在預測控制中的應用研究[D];華北電力大學（河北）;2007年

2 左琳;神經(jīng)網(wǎng)絡及在網(wǎng)絡用戶行為分析中的應用研究[D];電子科技大學;2011年

3 佟偉民;股指期貨交易中操縱行為識別方法研究[D];哈爾濱工業(yè)大學;2008年

4 于萍;自適應逆控制方法研究及其應用[D];華北電力大學（河北）;2006年

5 楊實俊;可持續(xù)發(fā)展約束下小型火電廠危機管理研究[D];華北電力大學（河北）;2008年

6 劉曼蘭;永磁直流電機故障在線監(jiān)測與智能診斷的研究[D];哈爾濱工業(yè)大學;2007年

7 邢永忠;最小二乘支持向量機的若干問題與應用研究[D];南京理工大學;2009年

8 王開義;基于支持向量機的農產(chǎn)品生產(chǎn)關鍵控制點發(fā)現(xiàn)研究[D];北京工業(yè)大學;2011年

9 程麗麗;支持向量機集成學習算法研究[D];哈爾濱工程大學;2009年

10 崔江;基于支持向量機的模擬電子電路故障分類技術研究[D];南京航空航天大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 劉軍紅;基于支持向量機的紅外光譜子結構解析[D];四川大學;2005年

2 王琪;基于神經(jīng)網(wǎng)絡和支持向量機的高速公路交通事件檢測[D];西南交通大學;2006年

3 岳琳;城市用水量預測非線性方法的研究[D];天津大學;2005年

4 顧民;神經(jīng)網(wǎng)絡、模糊系統(tǒng)、支持向量機內在聯(lián)系研究[D];電子科技大學;2004年

5 趙石磊;灰色系統(tǒng)理論在電力負荷預測中的應用[D];哈爾濱理工大學;2005年

6 趙海洋;往復壓縮機氣缸內壓力信號檢測與分析技術[D];大慶石油學院;2006年

7 曾建武;粗糙集理論及故障診斷應用研究[D];浙江大學;2006年

8 李豐龍;基于神經(jīng)網(wǎng)絡的金融證券預測方法研究[D];青島大學;2006年

9 萬以華;半導體神經(jīng)計算機硬件實現(xiàn)研究及在全方位實物識別中的應用[D];浙江工業(yè)大學;2006年

10 涂磊;基于圖像處理技術的物流數(shù)字化管理系統(tǒng)的實現(xiàn)[D];黑龍江大學;2009年

，

本文編號：626939