版權(quán)說(shuō)明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、天津大學(xué)碩士學(xué)位論文經(jīng)濟(jì)預(yù)測(cè)方法及其應(yīng)用研究姓名：趙琳申請(qǐng)學(xué)位級(jí)別：碩士專業(yè)：數(shù)量經(jīng)濟(jì)學(xué)指導(dǎo)教師：鄭丕諤2001.4.1AbstractEconomicforecastingistoanalyzeandforecastsomedevelopmentalrulesofthefutureeconomicactivitywiththescientificqualitativeexaminationandstrictquantitativemo
2、delsEconomicforecastingmodelsarebasedonthetheoriesofmacroµeconomics，fieldsurveysandstatisticalresourcesRecentlyeconomicforecastingmodelshavewiderapplicationsinthesocialeconomyandotherareas，SOitiSnecessarytomakeaninv
3、estigationintosomecommonly—usedmodelsindetailandsystematicallyBasedonsomerelativedefinitionofeconomicforecasting，thispaperfirstanalyzesthecommonly—usedeconomicforecastingmodels—linearregressionmodelsThroughintroducinghow
4、tobuildandtestmultiplelinearregressionmodelstheauthoremphasizestheproblemsolvingmethods，whichareagainsttheclassicalhypothesesThen，intermsofgreysystemtheories，thispaperstudiesagreydynamicforecastingmodel“GM(1，1)”，includin
5、gmodelingmethods，testratingsandresidualerrorcorrectedmodelThereafterthispaperfocusesonanarfificialneuralnetwork(ANN)forecastingmodelarisingmethodofeconomicforecastingAfterdescribingtheANN’Sbasiccharacteristicsandtraining
6、methodstheauthordiscussedRBFneuralnetworkforecastingmodelwhichhasmorepowerfulcapabilitytoapproximatefunctionsthanotherfeedforwardneuralnetworkmodelsandhowtoselectvariablesjnapracticalapplicationGenerally，manyeconomicfore
7、castingmodelsmaybesuitableforanyeconomicproblem，buteachofthemmaybethebesttoaparticularapplicationonlytoacertainextentInordertosolvethislimitationthepaperintroducesacombinatoryforecastingmodeJonthebasisoftheabovethreefore
8、castingmodelsandanonlinearprogrammingalgorithmfortheoptimalcombinatoryweightsisdetailedFinally，theefficiencyoftheseeconomicforecastingmodelsiSdemonstratedbyarealcasestudyofcargoesinwardandoutwardatTianjinPortwhichprovest
9、heconclusionthatthecombinatoryeconomicforecastingmodeliSbetterthananyothersingleeconomicforecastingmodelKeywords：Linearregressionmodel，Greyforecastingtheory，RBFneuralnetworkCombinatoryforecastingmodel，Cargoesinwardandout
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 組合預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 水運(yùn)量預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 地區(qū)經(jīng)濟(jì)預(yù)測(cè)模型、方法及應(yīng)用研究.pdf
- 中長(zhǎng)期預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 風(fēng)電功率組合預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 虛擬經(jīng)濟(jì)統(tǒng)計(jì)方法及其應(yīng)用研究.pdf
- 多變量智能預(yù)測(cè)控制方法及其應(yīng)用研究.pdf
- 經(jīng)濟(jì)系統(tǒng)灰色突變預(yù)測(cè)模型及其應(yīng)用研究.pdf
- 基于先驗(yàn)信息的統(tǒng)計(jì)預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 中長(zhǎng)期宏觀經(jīng)濟(jì)預(yù)測(cè)模型、方法及應(yīng)用研究.pdf
- 山東省物流需求組合預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 基于KRLS的在線時(shí)間序列預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 生存分析模型風(fēng)險(xiǎn)預(yù)測(cè)能力評(píng)價(jià)方法及其應(yīng)用研究.pdf
- 江水源熱泵用水溫預(yù)測(cè)方法及其應(yīng)用研究.pdf
- 裝備損耗預(yù)測(cè)方法應(yīng)用研究.pdf
- 敏感負(fù)荷預(yù)測(cè)方法應(yīng)用研究.pdf
- 復(fù)雜裝備備件庫(kù)存預(yù)測(cè)與控制方法及其應(yīng)用研究.pdf
- 高速動(dòng)車組電磁兼容預(yù)測(cè)建模方法及其應(yīng)用研究.pdf
- 預(yù)測(cè)控制算法及其應(yīng)用研究.pdf
- 貝葉斯經(jīng)濟(jì)時(shí)間序列預(yù)測(cè)模型及其應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論