控制技术在投资预测模型建立中的应用研究

摘要

本论文在深入研究投资问题的基础上，提出从三个角度建立不同的投资预测模型，它们分别是：根据投入和产出的关系，建立投资的产出预测模型；根据投入和产出的关系，研究在产出最大的前提下，投资分配结构优化问题，建立投资优化预测模型；利用不同的投入和产出数据，实现基于经济比对的定量预测。为此，本论文分别提出了基于灰色系统理论、人工神经网络理论和协同学理论的投资预测方法，较好地解决了上述三种投资预测模型的建立问题。　　为实现根据投资结构预测投资效益的目的，本论文提出了利用灰色系统理论建立投资预测模型的方法。本论文依据有关投资及产值数据，分析了各产业投资与相应产值间的关联度，定性确定了投资结构的优先顺序。同时引入经济学中弹性的概念，给出了弹性的计算方法，并利用GM(1，1)灰色模型建立了年产值预测模型，在给定各产业投资数据的前提下，可较为准确地预测产出。　　针对投资结构优化问题，本论文运用改进的BP算法建立人工神经网络模型，确定了投资输入和产出诸要素间的非线性关系，并在此基础上，通过对投资输入的合理调整，保证在投资总额不变前提下，预测能够使产出总额最大的最佳投资分配比例。本论文利用有关投资数据建立了反映投资分配与产值关系的人工神经网络模型，在一定范围内逐步调整三类产业投资分配，寻求使得产值最大的投资分配结构，在给定的投资总量前提下对投资分配和总产值分别作了预测。经过与实际结果对比，可以看出该模型较好地反映了投资要素之间的非线性关系，具有较高的精度及理想的预测效果。　　本论文将协同学理论应用到投资预测模型建立中，提出了一种新的基于协同学Haken模型的比对法，并对传统Haken模型的迭代算法加以改进，通过建立多输入协同神经网络结构，给出了投资数据的原型向量和伴随向量，利用协同学理论进行了投资内在本质的模式识别，最终实现了不同地域不同时期经济发展状况的可比性研究。

目录

文摘

英文文摘

哈尔滨工程大学学位论文原创性声明

第1章绪论

1.1课题研究的目的和意义

1.2国内外研究概述

1.3论文研究的主要内容

1.3.1确定投资预测问题

1.3.2利用灰色系统理论建立投入产出预测模型

1.3.3利用人工神经网络法建立投资优化结构预测模型

1.3.4利用协同神经网络建立经济比对预测模型

第2章投资预测及投资理论分析

2.1投资预测概述

2.1.1投资预测的基本原则

2.1.2常用的预测方法分类

2.1.3投资预测的评价指标

2.2投资理论分析

2.2.1投资基本要素

2.2.2投资的特点

2.2.3产业投资结构

2.2.4投资分配

2.2.5优化投资结构的分配原则

2.2.6投入与产出的分析

2.3本章小结

第3章灰色投资预测模型的研究

3.1灰色系统理论概述

3.1.1灰色系统的概念

3.1.2灰色理论与概率、模糊的对比

3.2关联度

3.3生成数

3.4灰色系统模型

3.4.1五步建模法

3.4.2 GM(1，N)模型

3.5灰色系统的预测

3.6基于灰色系统的投资预测研究

3.6.1问题引述

3.6.2关联度计算

3.6.3利用弹性的概念解决投资分配问题

3.6.4产值灰色预测

3.7预测结果及数据分析

3.8 2004年投资预测

3.8.1投资预测

3.8.2投资数据分析

3.9本章小结

第4章新型GM(2，4)灰色模型投资预测研究

4.1灰色模型GM(2，4)的构建

4.2基于灰色GM(2，4)模型的投资预测实现

4.2.1各产业的投入和产出二阶差分拟合

4.2.2投资预测GM(2，4)模型的建立

4.3实验仿真及结果分析

4.4本章小结

第5章基于人工神经网络的投资优化结构预测模型

5.1人工神经网络特点

5.2人工神经网络模型分类

5.3误差反向传播网络BP算法

5.3.1 BP网络结构

5.3.2 BP学习规则

5.3.3 BP网络训练过程

5.4 BP网络存在的问题及改进算法

5.4.1 BP网络存在的问题

5.4.2 BP网络的改进算法

5.5一种新型的BP网络改进算法

5.6基于人工神经网络的投资优化结构预测模型实现

5.6.1原始数据及数据相关分析

5.6.2投资预测模型的建立

5.6.3调整投资分配初步确定最佳投资分配

5.6.4建立BP网络模型确定最佳分配与最大产值关系

5.6.5模型应用及结果分析

5.6.6投资预测及结果分析

5.7本章小结

第6章协同神经网络在投资预测模型中应用

6.1协同学概述

6.2协同学基本原理

6.3协同神经网络算法

6.3.1协同神经网络的基本原理

6.3.2协同神经网络的具体实现

6.4基于协同神经网络投资比对模型的实现

6.5本章小结

结 论

参考文献

攻读博士学位期间发表的论文和取得的科研成果

致 谢