数据挖掘在经济预测中的应用研究

论文摘要

近年来,随着计算机技术、Internet、信息技术和数据库技术的迅速发展,计算机在各行业的应用也越来越广泛,产生了大量的数据,积累的数据越来越多。海量的数据里面隐藏着许多重要的信息,但目前的数据库系统无法发现数据内在的联系,无法根据现有的数据预测未来的发展趋势,导致了“数据爆炸但知识贫乏”的现象。在此形势下,数据挖掘(Data Mining, DM)应运而生。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。经济系统是一个不断演化的、动态的复杂系统,要对我国特有的社会主义市场经济系统实现准确的预测,就必须采用新的预测方法。由乌克兰科学院A. G. Ivakhnenko提出的自组织数据挖掘的方法,应用数据分组处理方法(Group Method Data Handling,GMDH),实现数据挖掘过程的自组织控制,并以客观的方式建立一个最优复杂度模型。自组织数据挖掘过程减少了用户干预,使数据挖掘过程更加自动并使预测结果更客观。本文首先阐述了自组织数据挖掘的基本思想和基本原理,重点分析了自组织数据挖掘的核心算法——GMDH算法,并在此基础上提出了一些改进。应用自组织数据挖掘的方法与技术,自动建立预测模型,对成都市的国内生产总值(GDP)等经济指标作了预测,并进行分析。以上应用证明了自组织数据挖掘方法在短期预测经济中取得了良好的效果。同时也有效地减少用户在建模过程中的干预,提高了建模的质量。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 数据挖掘与经济预测的研究现状及意义
• 1.3 本文主要研究内容和工作
• 1.4 本文的组织结构
• 1.5 本章小结
• 第二章 数据挖掘理论与技术综述
• 2.1 数据挖掘概述
• 2.1.1 数据挖掘的产生
• 2.1.2 数据挖掘的定义
• 2.1.3 数据挖掘的发展历程
• 2.2 数据挖掘研究内容、功能、常用技术及工具
• 2.2.1 数据挖掘的内容与功能
• 2.2.2 数据挖掘的常用技术与工具
• 2.3 数据挖掘的基本处理流程与系统结构
• 2.3.1 数据挖掘的基本处理流程
• 2.3.2 数据挖掘的系统结构
• 2.4 数据挖掘的应用领域与热点、未来研究方向
• 2.4.1 数据挖掘的应用领域与热点
• 2.4.2 数据挖掘的未来研究方向
• 2.5 本章小结
• 第三章 自组织数据挖掘
• 3.1 组织与自组织
• 3.1.1 组织
• 3.1.2 自组织
• 3.2 自组织数据挖掘
• 3.2.1 自组织理论
• 3.2.2 自组织原理
• 3.3 自组织数据挖掘建模的基本思想和基本步骤
• 3.3.1 自动建模方法
• 3.3.2 自组织数据挖掘建模的基本思想
• 3.3.3 自组织数据挖掘建模方法的基本步骤
• 3.4 自组织数据挖掘算法及归纳技术
• 3.4.1 自组织数据挖掘算法
• 3.4.2 自组织数据挖掘算法的函数流程
• 3.4.3 自组织数据挖掘算法的具体步骤
• 3.4.4 自组织数据挖掘算法的主要类型
• 3.4.5 自组织数据挖掘算法的控制原理与准则选择
• 3.4.6 最优复杂度模型
• 3.5 自组织数据挖掘算法的特点及应用
• 3.5.1 自组织数据挖掘算法的特点
• 3.5.2 自组织数据挖掘算法的应用
• 3.6 本章小结
• 第四章 自组织数据挖掘与经济预测
• 4.1 经济预测问题
• 4.1.1 经济预测
• 4.1.2 经济预测的发展
• 4.1.3 经济预测的方法
• 4.2 自组织数据挖掘与经济预测
• 4.3 多层迭代GMDH 算法
• 4.4 活动神经元与选择准则
• 4.4.1 活动神经元
• 4.4.2 选择准则与模型确认
• 4.5 本章小结
• 第五章 自组织数据挖掘在经济预测中的应用及分析
• 5.1 经济指标与成都市的经济现状
• 5.2 基于自组织数据挖掘的应用设计与实现
• 5.2.1 成都市GDP 增长的模型设计
• 5.2.2 成都市经济发展建模数据来源与指标选择
• 5.2.3 成都市GDP 增长的自组织建模
• 5.2.4 成都市较长期GDP 增长的建模结果
• 5.2.5 成都市中短期GDP 增长的建模结果
• 5.3 成都市GDP 增长自组织建模分析
• 5.4 成都市GDP 增长的自组织预测
• 5.4.1 训练数据格式设计与预测指标选择
• 5.4.2 预测模型的建立
• 5.4.3 预测结果的分析
• 5.5 本章小结
• 第六章 结束语
• 致谢
• 参考文献