论文摘要
农民收入是农村经济的核心问题,它关系到农村的社会稳定和国民经济的健康发展。对未来年份农民收入的预测是一个新问题,它对于增加农民收入以及制定相关支农政策有着重要的指导意义和现实价值,特别是现在“三农问题”得到普遍关注,城乡交融日益加深的今天,如何提高农民收入越来越受到大家的关注。由此,本文从一个全新的研究视角建立BP神经网络模型来预测农民收入。首先,本文对农民收入预测的研究背景、研究目的及意义做了论述,对人工神经网络方法在预测领域的应用实例作了简单介绍,对国内外研究现状作了综述,并对论文的研究思路及方法进行了阐述说明,指出本文的创新之处。其次,论文介绍了人工神经网络的发展历史和基本原理,通过阐述神经网络的基础知识和基本的网络模型,分析和探讨了人工神经网络的特点和应用领域。第三,论文对农民收入预测的概念和作用作了论述,对现有的预测方法进行了分类介绍,并对现有农民收入的几类预测模型进行了分析,并指出了现有模型的不足之处。然后,论文详细论述了基于BP神经网络的农民收入预测模型的构建。主要包括以下几方面内容:论文基于BP神经网络应用于预测的原理,提出了预测研究步骤及预测可行性,探讨建立基于BP神经网络的预测模型的关键技术,包括样本的选取与预处理、输入输出变量的选取、隐层节点数的确定、初始权和阈值的选取、激活函数、训练算法与参数的选取,最后建立合理的网络模型。最后,论文以实证分析为背景,对农民收入预测模型的数据来源进行了详细分析,以历年农民收入相关数据类型为实例样本,借助MATLAB神经网络工具箱建立了基于神经网络预测模型。对预测值和实际值进行了比较和分析论述。通过对农民收入预测实例的验证,证明该方法在一定误差范围内揭示了农民收入与影响因素之间的关系,可用于未来农民收入的预测中。
论文目录
摘要ABSTRACT第一章 导论1.1 研究背景1.2 研究目的和意义1.2.1 研究目的1.2.2 研究意义1.3 国内外研究动态评述1.3.1 国外研究动态评述1.3.2 国内研究动态评述1.4 研究思路与方法1.4.1 研究思路1.4.2 研究方法1.5 本文创新之处第二章 人工神经网络的相关理论2.1 神经网络的发展概况2.1.1 初期阶段2.1.2 停滞期2.1.3 黄金时期2.2 神经网络原理2.3 神经网络的分类2.3.1 按网络结构划分的神经网络2.3.2 按网络学习模式划分的神经网络2.3.3 常见的人工神经网络模型2.4 神经网络的特点及其应用领域2.4.1 神经网络的特点2.4.2 神经网络的应用领域2.4.3 神经网络在管理中的应用第三章 农民收入预测方法及其比较3.1 农民收入预测的概念3.2 农民收入预测的作用3.3 农民收入预测的基本方法3.3.1 定性预测法3.3.2 定量预测法3.4 农民收入预测定量模型比较3.4.1 时间序列预测3.4.2 回归预测3.4.3 灰色预测3.4.4 神经网络预测第四章 基于BP 神经网络的农民收入预测模型的构建4.1 BP 神经网络应用于预测的原理、步骤及可行性4.1.1 BP 神经网络应用于预测的原理4.1.2 BP 神经网络应用于预测的步骤4.1.3 BP 神经网络应用于预测的可行性4.2 输入变量的分析与预处理4.2.1 输入变量之间的相关性分析4.2.2 输入数据的预处理4.3 BP 神经网络结构设计4.3.1 隐层数的选取4.3.2 隐层节点数的选取4.3.3 初始权值的选取4.3.4 响应函数的选取4.4 训练算法及训练参数的选择4.4.1 训练算法的选择4.4.2 训练方式的选择4.4.3 训练参数的选取4.4.4 训练次数的确定4.5 合理网络模型的确定第五章 农民收入预测模型的实现——陕西案例5.1 陕西省农民收入预测模型的数据来源分析5.1.1 陕西省农民收入状况分析5.1.2 农民收入预测指标的选择5.2 学习样本和输入输出变量的确定5.2.1 学习样本的确定5.2.2 输入与输出变量的确定5.3 基于MATLAB神经网络工具箱的网络模型设计5.3.1 BP 网络的建立5.3.2 权和阈值的初始化5.3.3 网络训练5.3.4 检验网络5.4 基于历年农民收入数据的BP 网络预测模型实现案例5.4.1 预测步骤5.4.2 农民收入预测结果分析5.4.3 预测程序的编写过程5.5 基于影响农民收入因素的BP 网络预测模型实现案例5.5.1 预测步骤5.5.2 农民收入预测结果分析5.5.3 预测程序的编写过程第六章 结束语6.1 结论6.2 进一步研究的建议参考文献附录致谢作者简介
相关论文文献
标签：农民收入论文; 预测模型论文; 人工神经网路论文; 网络论文;
