經(jīng)濟(jì)預(yù)警是對(duì)經(jīng)濟(jì)運(yùn)行狀況的認(rèn)識(shí)和判斷,其研究結(jié)果直接影響宏觀調(diào)控政策的合理制定,不僅是經(jīng)濟(jì)學(xué)的重要研究領(lǐng)域,而且倍受各國(guó)政府和公眾的普遍關(guān)注。但是,傳統(tǒng)預(yù)警方法主要建立在專家經(jīng)驗(yàn)或簡(jiǎn)單的統(tǒng)計(jì)學(xué)模型,難以反映高度非線性的經(jīng)濟(jì)系統(tǒng)的本質(zhì),無(wú)法滿足宏觀經(jīng)濟(jì)預(yù)警的客觀要求。本文在對(duì)國(guó)內(nèi)外宏觀經(jīng)濟(jì)預(yù)警概述的基礎(chǔ)上,闡述宏觀經(jīng)濟(jì)預(yù)警理論體系中預(yù)警指標(biāo)體系的設(shè)計(jì)、預(yù)警模型、預(yù)警系統(tǒng)建立等方面的問(wèn)題;深入分析了人工神經(jīng)網(wǎng)絡(luò)（ANN）與粗集（Rough set）理論方法,討論了將Rough集、構(gòu)造性學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)相結(jié)合實(shí)現(xiàn)宏觀經(jīng)濟(jì)預(yù)警的可行性,并建立基于Rough集---覆蓋算法的構(gòu)造性學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的宏觀經(jīng)濟(jì)預(yù)警模型。最后,結(jié)合安徽省經(jīng)濟(jì)運(yùn)行的月度數(shù)據(jù),對(duì)該模型預(yù)警實(shí)證分析,結(jié)果表明基于Rough集---覆蓋算法的構(gòu)造性學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)預(yù)警模型是有效的、可行的,且具有很好的精度。從而為動(dòng)態(tài)經(jīng)濟(jì)預(yù)警提供一條新的途經(jīng)。 本文的主要研究結(jié)果如下: （1）基于Rough set經(jīng)濟(jì)指標(biāo)體系的選擇。由于經(jīng)濟(jì)預(yù)警指標(biāo)之間存在相關(guān)性和冗余,在介紹粗糙集的理論和方法的基礎(chǔ)上,給出了基于粗糙集的經(jīng)濟(jì)預(yù)警指標(biāo)體系選擇... 

【文章來(lái)源】：安徽大學(xué)安徽省 211工程院校

【文章頁(yè)數(shù)】：55 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 概述
    §1.1 國(guó)內(nèi)外宏觀經(jīng)濟(jì)預(yù)警的起源與發(fā)展
    §1.2 我國(guó)宏觀經(jīng)濟(jì)預(yù)警研究歷史和現(xiàn)狀
    §1.3 目前宏觀經(jīng)濟(jì)預(yù)警存在的問(wèn)題
    §1.4 本文研究背景與主要研究?jī)?nèi)容
第二章 Rough set與經(jīng)濟(jì)預(yù)警指標(biāo)體系
    §2.1 經(jīng)濟(jì)預(yù)警指標(biāo)體系
    §2.2 Rough set理論
    §2.3 基于Rough set經(jīng)濟(jì)預(yù)警指標(biāo)體系的選擇
第三章 基于覆蓋算法的構(gòu)造性學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
    §3.1 人工神經(jīng)網(wǎng)絡(luò)概述
    §3.2 基于覆蓋算法的構(gòu)造性學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
第四章 Rough集-構(gòu)造性學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)經(jīng)濟(jì)預(yù)警模型
    §4.1 經(jīng)濟(jì)預(yù)警模型
    §4.2 Rough集-覆蓋算法的構(gòu)造性學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)預(yù)警模型
第五章 Rough集-構(gòu)造性學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)模型實(shí)證分析
    §5.1 經(jīng)濟(jì)預(yù)警指標(biāo)的知識(shí)約簡(jiǎn)
    §5.2 基于覆蓋算法的ANN預(yù)警模型的建立
    §5.3 經(jīng)濟(jì)預(yù)警實(shí)證分析
第六章 總結(jié)與展望
參考文獻(xiàn)
在讀期間從事的科研工作及發(fā)表論文
致謝



本文編號(hào)：3367826