本文關鍵詞：人工神經網絡在GDP預測中的應用研究

  更多相關文章： 人工神經網絡 GDP預測 BP網絡

【摘要】： 本文以人工神經網絡理論為基礎,研究GDP預測.首先介紹國內外GDP預測的研究現(xiàn)狀,接著介紹人工神經網絡的概念,然后采三層前饋反向傳播神經網絡(Back-Propagation Neural Network,簡稱BP網絡),利用歷年廣西GDP數(shù)據(jù),建立了神經網絡預測模型,對GDP進行了預測,在進行網絡訓練時,采用了歸一化處理方法,對神經網絡的輸入和輸出數(shù)據(jù)進行了預處理,保證數(shù)據(jù)為同一數(shù)量級.并將預測結果與傳統(tǒng)模型相比較,結果表明,BP網絡在GDP預測方面具有更好的應用價值.
【關鍵詞】：人工神經網絡 GDP預測 BP網絡
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2007
【分類號】：F222.33
【目錄】：

• 內容提要4-7
• 第一章 緒論7-14
• 1.1 研究背景7-8
• 1.2 經濟預測方法8-9
• 1.3 國內經濟預測研究的發(fā)展與現(xiàn)狀9-11
• 1.4 課題研究意義及思路11-13
• 1.5 論文組織13-14
• 第二章 人工神經網絡概述與應用14-22
• 2.1 人工神經元模型14-17
• 2.2 人工神經網絡模型17-19
• 2.3 人工神經網絡的學習19-21
• 2.4 本章小結21-22
• 第三章 基于BP 網絡的GDP 預測22-36
• 3.1 BP 網絡的結構22-23
• 3.2 BP 網絡的學習23-25
• 3.3 BP 算法的改進25-28
• 3.3.1 BP 算法收斂緩慢的原因和改進方法26
• 3.3.2 BP 算法易陷入局部極小的原因和改進措施26-27
• 3.3.3 基于MATLAB 的BP 神經網絡的改進算法27-28
• 3.4 GDP 預測模型的建立28-29
• 3.4.1 網絡的層數(shù)28
• 3.4.2 隱層中神經元的個數(shù)28-29
• 3.5 網絡輸入數(shù)據(jù)的處理29-31
• 3.5.1 數(shù)據(jù)的預處理30-31
• 3.5.2 數(shù)據(jù)的后處理31
• 3.6 初始參數(shù)的選擇31-32
• 3.6.1 學習速率32
• 3.6.2 動量因子32
• 3.6.3 期望誤差32
• 3.7 BP 網絡泛化能力的提高32-33
• 3.8 網絡訓練模式的選擇33-34
• 3.9 GDP 神經網絡預測模型的實現(xiàn)34-35
• 3.10 本章小結35-36
• 第四章 廣西GDP 預測的實證研究36-45
• 4.1 實證分析36-44
• 4.2 本章小結44-45
• 第五章 同傳統(tǒng)預測方法的結果比較45-46
• 第六章 總結46-47
• 參考文獻47-50
• 中文摘要50-52
• Abstract52-54
• 致謝54

【引證文獻】

中國期刊全文數(shù)據(jù)庫 前4條

1 李新東;;基于過程神經網絡的黑龍江省GDP預測[J];黑龍江教育學院學報;2012年03期

2 王鑫;肖枝洪;;基于干預模型與BP神經網絡集成的GDP預測[J];統(tǒng)計與決策;2012年20期

3 趙昕;魯琪鑫;;海洋經濟預測模型的創(chuàng)新研究[J];統(tǒng)計與決策;2013年02期

4 繆雨晨;;基于BP神經網絡的落后地區(qū)2020年全面小康水平預測——2020年寧夏經濟增長的實證分析[J];科技資訊;2013年23期

中國碩士學位論文全文數(shù)據(jù)庫 前4條

1 嵇金鑫;土地利用規(guī)劃中城鄉(xiāng)建設用地規(guī)模的預測與實證研究[D];寧波大學;2010年

2 崔博;過程神經網絡在GDP預測中的應用研究[D];哈爾濱商業(yè)大學;2011年

3 譚健平;基于主導產業(yè)選擇的翠山湖園區(qū)財務效益評估[D];華南理工大學;2011年

4 石艷麗;基于人工神經網絡的經濟預測模型研究[D];中國地質大學（北京）;2008年

，

本文編號：574489