论文部分内容阅读
工业经济作为国民经济的主要支柱，对其未来增长趋势做出准确预测具有十分重要的意义。工业总产值是一个地区工业经济指标体系中的一个核心指标，它能综合反映工业经济活动的总量和衡量一个地区或国家的工业经济发展水平。对其进行定量分析并做出较为准确详实的预测则可以为相关工业部门或是工业企业制定发展规划、实施相关措施提供可靠的理论预测参考。
经济系统是一个非常复杂的系统，其中广泛存在着非线性、时变性和不确定作用关系，进行经济预测有多种方法，如：平滑法、德尔非法、时间序列法、马尔科夫预测等等。而传统的预测方法大都集中在线性模型上，线性模型很难把握经济系统中的非线性现象，从而造成预测的误差加大。
本文以辽宁省工业总产值为研究对象，结合实际情况，分别采用3种不同的单一预测方法，即：ARIMA模型法、GM(1，1)模型法和BP神经网络模型法，分别对研究对象进行预测，并详细讨论了这3种单一预测方法的优缺点。其中，针对ARIMA模型法的适用条件，本文提出了一种新的数据处理方式——均值加长数据法，并以此来建立ARIMA模型，得到了很好的预测效果。
但是对于像工业总产值这样的经济系统，仅仅使用一种预测方法是很难得到精确而可靠的预测结果。于是，本文提出了组合预测方法。即将3种单一预测方法得到的预测值进行有效的组合，建立组合预测模型。文章中采用了2种不同方式的组合预测法，线性最优权重组合预测法和非线性神经网络组合预测法。并采用相关统计预测指标对3种单一预测方法和2种组合预测法的回代拟合效果和预测结果进行比较与评价。实践证明，组合预测方法从集结尽可能多的有用信息出发，以充分利用不同单个模型的各自优点，而使预测模型具有对环境变化的适应能力。弥补了单个预测模型对于预测问题的片面性。