基于若干数学模型的江苏省GDP的预测分析开题报告

1. 研究目的与意义

GDP是了解一个地区宏观经济状况的最佳工具，也是衡量一个地区人民生活水平质量高低的标准。GDP与就业率、经济增长率、通货膨胀等都有很大的关联。对一个地方GDP正确的短期预测能为宏观经济健康发展起导向性作用，有利于决策机构作出更好的决策。MATLAB具有强大的数据处理和分析功能, 可以方便、快捷、准确、直观地进行数学建模和预测分析。本研究选取江苏省GDP作为研究对像，并采取三种数学模型在MATLAB上进行预测分析，比较方法间的区别和优劣，期望通过数据分析所得出的结果针对江苏省GDP的发展提出一些有效性意见。

通过对数学模型的研究，结合经济实例数据，认真总结、归纳方法形成相关思路。同时，也希望本次选题的研究能够培养查阅、整合资料、思考构建模型的能力，并能够熟练使用MATLAB这一软件。

2. 研究内容和预期目标

1.简单介绍江苏省gdp发展现状。

2.介绍时间序列模型、灰色预测模型、bp神经网络模型的基本概念以及公式应用。

3.阐述有关预测模型在gdp预测上的国内外研究现况。

3. 国内外研究现状

时间序列预测法在上世纪 70 年代末，由美国学者 Box与Jenkins最先提出。ARIMA模型、AR模型 、MA模型等已经成为现在经典时间序列分析的内容，此后也衍生出了诸多数学模型。由于GDP本身就是一个时间序列的数据，所以这种方法在这上面应用广泛。人工神经网络起源于20世纪40年代，由美国心理学家麦克洛奇和数学家皮兹提出的M-P模型创建了神经网络的理论研究，其对非线性系统具有较强的模拟预测能力。自80年代我国著名学者邓聚龙教授创立灰色系统理论以来，灰色预测模型也备受国外关注，灰色预测模型也在GDP预测中逐渐被人们所利用。

地方 GDP 研究是地方政府制定宏观调控政策的基础，很多学者展示了分析预测地方GDP 的不同方法：潘典雅利用ARIMA模型对吉林省GDP进行分析预测，发现其预测精确度高，但只适用于短期预测；肖东亚基于 ARIMA模型对江苏省 GDP 进行预测分析，发现其拟合效果好，可对决策机构提供一定的参考；许明燕用ARIMA模型和BP神经网络模型的组合模型分析预测江苏省的GDP；李南基于BP神经网络对江西省 GDP 进行预测，表明BP神经网络预测数据相对误差较小，比传统预测方法精确很多；王刚用灰色预测模型对北京市GDP进行预测分析，结果数据证实了模型的可行性，可为决策提供依据；孙文渊利用神经网络对吉林省 GDP进行预测，得出BP神经网络的预测效果比传统的回归模型好；牛晋徽在预测GDP时把遗传算法和神经网络相结合，比单独使用BP神经网络效果好。可知，目前研究学者对GDP的预测分析方法有很多种，多种预测模型对GDP的预测都相对显著。

4. 计划与进度安排

1.通过在学校图书馆和网络上查找相关的文献，经过阅读、摘录、编辑等工作，进而全面的了解相关预测模型的定理、公式运用以及在经济实例上的预测分析。

2.学习相关matlab模型知识，并能熟练运用到数据分析处理中。

3.求教导师，通过与导师的交流，询问相关模型的问题，充实自己的材料。

5. 参考文献

[1]潘典雅.基于arima模型的吉林省gdp分析及预测[j].中国集体经济,2021(27):15-16.

[2]肖东亚.基于arima模型的江苏省gdp的预测分析[j].中小企业管理与科技(上旬刊),2021(07):120-121.

[3]张文华.arima模型用于时间序列预测的算法改进与仿真[j].信息与电脑(理论版),2021,33(05):53-56.