基于线性回归和神经网络的预测模型在国民经济数据中的应用

发布时间：2017-04-24 12:05

  本文关键词：基于线性回归和神经网络的预测模型在国民经济数据中的应用，由笔耕文化传播整理发布。

【摘要】：《中国统计年鉴》是一部统计性数据，由国家统计出版社出版。该书主要负责统计每年的各种数据。在本文中，研究对象是该书中的第二部分国民经济数据。国民经济反映的是全国的经济数据，主要包括：国民生产总值，第一产业，第二产业和第三产业。其中，第二产业包括工业和建筑业。国民经济数据还包括国民总收入和人均收入。本文就是研究国民生产总值和其他各项数值之间的关系，通过二十多年的数据来研究他们之间的关系。本文通过研究国民经济数据来建立预测模型。 预测是数据挖掘中的一种常见的方法。在预测方法中，，从广义上来分，可以分为线性预测和非线性预测，线性预测方法如：多元线性回归方法；非线性预测方法如：神经网络算法。神经网络算法属于计算智能算法，它是依靠系统的复杂程度，通过权值连接神经网络内部节点之间的关系，从而达到处理信息的目的。 本文基于多元线性回归算法和神经网络算法，提出一种基于多元线性回归和神经网络相结合的预测模型，并将该模型用于研究国民经济数据。这种模型的思想来自于线性思想和非线性思想相结合，综合利用线性预测和非线性预测相结合的思想。 本文提出预测模型是通过将线性预测结果作为神经网络的输入神经元的思想来实现的。神经网络采用的是RBF径向基函数神经网络。在该预测模型中，使用了MATLAB变成实现预测算法。 本文提出的预测模型主要包含以下几个步骤： （1）将样本数据信息进行数据的多元线性回归预测。 （2）将多元线性回归预测的结果作为RBF神经网络的某个神经元作为输入层，从而神经网络在学习和训练的过程中受到多元线性回归的预测结果，可以将两者更好的结合。 （3）通过RBF神经网络得到预测结果。该结果为多元线性回归和RBF神经网络两者相结合的预测结果。 利用本文提出的预测模型得到的预测结果，与普通的多元线性回归算法和神经网络预测算法相比较，发现本文提出模型的预测结果较好，从而验证了该预测模型的正确性。
【关键词】：多元线性回归 神经网络 RBF 预测
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP183;F222.3
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 选题背景和来源10-12
• 1.1.1 选题背景10-11
• 1.1.2 选题数据来源11-12
• 1.2 本文的主要工作12-13
• 1.3 本文的框架13-14
• 1.4 本章小结14-15
• 第2章 线性回归和神经网络理论基础15-27
• 2.1 线性回归15-20
• 2.1.1 多元线性回归模型简介15
• 2.1.2 多元线性回归模型实例15-20
• 2.2 神经网络20-26
• 2.2.1 神经网络简介20-23
• 2.2.2 神经网络分类23-24
• 2.2.3 几种神经网络算法24-26
• 2.3 本章小结26-27
• 第3章 基于线性回归和神经网络的预测模型27-32
• 3.1 RBF 神经网络及缺点27-28
• 3.2 将线性回归和神经网络相结合28-30
• 3.2.1 线性回归的不足28-29
• 3.2.2 RBF 神经网络的不足29
• 3.2.3 将线性回归和 RBF 相结合29-30
• 3.3 本文提出的预测模型30-31
• 3.4 预测模型研究意义31
• 3.5 本章小结31-32
• 第4章 预测模型在国民经济数据中的应用32-41
• 4.1 国民经济指标数据及预处理32-34
• 4.1.1 国民经济指标数据32-33
• 4.1.2 样本数据预处理33-34
• 4.2 使用线性回归预测国民经济34-37
• 4.3 使用 RBF 神经网络预测国民经济37
• 4.4 使用本文预测模型预测国民经济37-38
• 4.5 实验结果对比分析38-40
• 4.6 本章小结40-41
• 第5章 总结和展望41-45
• 5.1 全文总结41-43
• 5.2 展望43-45
• 参考文献45-49
• 作者简介及在学期间所取得的科研成果49-50
• 致谢50

【参考文献】

中国期刊全文数据库 前2条

1 张树传;;灰色系统参数识别方法对桩承载力预测的影响[J];福建建筑;2010年11期

2 贺玲,鲁汉榕,马娅;一种改进的模糊学习矢量化神经网络[J];空军雷达学院学报;2001年01期

  本文关键词：基于线性回归和神经网络的预测模型在国民经济数据中的应用，由笔耕文化传播整理发布。

本文编号：324157