“十一五”（2006—2010）规划期间GDP增长趋势预测

2006—2010年5年期间的经济增长速度预测属于中长期预测。中长期预测的一般方法有侧重于定量分析的经济周期分析方法与国外类比分析方法，以及侧重于定性分析的经济态势分析方法。此外还有规范分析方法与专家评估方法。本文主要利用前几种方法进行预测。     

经济高速增长下的中国能源安全分析

改革开放以来,依靠消费大量能源,推动了中国经济的高速增长,在增进居民福祉的同时,也为经济转型积累了一定物质资本,但伴随这种高增长态势,引发了系列能源环境问题,能源安全提上了日程。本文着重对经济高速增长下的中国能源消费与需求做一分析,并就中国能源安全问题进行思考和探讨。     

基于主成分与BP神经网络的中国能源安全预警研究

初步建立了一套较为全面、科学地反映中国能源安全的预警指标体系,该指标体系由煤炭、石油和天然气三个子系统构成,运用主成分分析的方法对预警指标进行降维,并运用BP神经网络预警的方法对中国1995—2007年的能源安全状况进行了分析。     

中国和欧盟能源安全、国际合作与可持续发展

本文以中国和欧盟能源安全问题作为研究对象,探讨了中、欧能源生产和能源消费的安全态势,认为中、欧在能源安全领域正面临着一系列共同的问题。而加强中、欧在能源安全方面的合作,是实现中、欧能源消费可持续发展的重要途径,并进一步提出了“中欧国际能源合作模式”的具体设想。     

新常态下中国能源安全动态研究——基于灰色关联TOPSIS模型

开展能源安全的研究有助于了解我国能源发展状况,发现影响能源安全的主要因素,以提升我国能源安全水平。论文从能源供应、能源消费、能源结构和生态环境四个维度构建中国能源安全评价指标体系,采用组合赋权法计算指标权重,通过灰色关联TOPSIS模型对2000—2017年中国能源安全水平进行分析,运用无偏GM(1,1)模型对2018—2024年的能源安全值进行预测。研究结果表明:能源结构与生态环境安全对中国能源安全具有显著影响,未来7年间,中国能源安全指数呈现先下降后上升的变化趋势,一直处于"临界安全"等级。     

2009年中国CPI运行定量分析——基于改进的BP神经网络

当前,世界经济开始出现复苏的迹象,我国经济处于企稳回升的关键时期,准确预见价格运行趋势对宏观决策具有十分重要的意义。鉴于BP神经网络模型具有很好地模拟非线性系统的优点,本文对BP神经网络模型进行了改进,并运用该模型对中国2001—2008年前5个月月度CPI指数进行了拟合的基础上,对2009年后7个月月度CPI指数和全年CPI指数进行了预测,预测显示2009年上半年我国CPI指数约为98．9,较上年同期下降1．1个百分点;月度CPI同比均呈稳步下降态势,除非世界经济形势进一步好转或国家加大扩大内需等措施力度,否则2009年后7个月CPI指数难以实现由负转正。     

经贸视眼

中国能源安全现状及其可持续发展；节能与环保工作的探讨；长江三角洲耕地资源态势与可持续利用；     

中国生产力发展与能源供求分析

然而伴随着经济的高速增长 ,国内出现了能源供求紧张的局面。本文首先分析了中国能源问题现状 ,然后对未来二十至三十年内能源供求和能源安全问题进行了预测与展望 ;接下来本文通过单位GDP能耗的国际比较 ,论证了中国能源使用效率低这一结论 ;最后 ,本文从供给与需求两方面提出了缓解能源供求紧张问题的对策。     

战略视域下的贵州主导产业选择研究

本文分析了贵州产业发展及主导产业的变迁,并对黔周边省区市主导产业选择情况进行比较,在此基础上,重点从全球经济竞争、区位条件变动、经济发展主题、发展阶段前提、金融危机背景、科技进步态势等六个方面对贵州主导产业选择进行战略分析,提出贵州主导产业选择的建议,并据此对贵州中长期经济增长与结构变动趋势进行预测,最后就贵州发展主导产业提出有关对策措施建议。     

GA-BP算法在金融股指预测中的应用研究

本文提出一种GA-BP算法对金融股指进行预测研究,该算法结合遗传算法具有全局寻优的优点,能够克服BP算法进行预测时易陷入局部极小值和收敛速度慢的缺点;以股票市场的上证指数为例,通过与BP算法和LM-BP算法预测效果进行比较分析,证实了本文提出的算法在对上证指数进行预测时更为有效.     

外资并购中国上市公司的行业分布格局及演变趋势

本文在分析外资并购中国上市公司的行业分布格局的基础上，尝试自创概念模型和相关分析指标，对重点行业的外资并购中长期潜力以及短期活跃度进行定量预测分析。     

基于BP神经网络的库存需求预测应用

本文应用BP神经网络模型,并加入影响因子,用于库存需求量的预测,同时采用了传统的预测方法。通过各种方法预测结果的对比,说明文中所建立的加入影响因素的BP网络模型预测效果较好。     

我国能源供求中长期发展趋势及可持续发展战略

一、中长期能源供求态势 (一)中长期能源需求展望。 回顾分析西方国家在其工业化过程中经济增长与能源消费之间的关系,可以帮助我们大致判断到2020年中国GDP翻两番、基本实现工业化时的能源需求状况。     

基于GARCH-BP模型的股指预测及实证分析

本文通过建立BP神经网络预测模型和GARCH-BP神经网络预测模型,对2004￣2005年间深圳成分指数的日收盘价进行了预测分析,经过实证比较,发现GARCH-BP模型较BP模型的收敛速度快,学习能力强,预测精度较高,误差率较小。     

2009年广州CPI运行定量分析——基于改进的BP神经网络

当前，我国经济处于企稳回升的关键时期，支撑广州经济增长的因素有所增加，准确预见价格运行对经济决策具有十分重要的意义。鉴于BP神经网络模型具有很好地模拟非线性系统的优点，本文在对BP神经网络模型改进的基础上，运用该模型对广州2001～2008年前5个月月度CPI同比和环比指数进行了训练，对2009年广州后7个月月度和全年CPI同比和环比指数进行了预测。预测显示，月度CPI同比指数均呈稳步下降态势；CPI环比指数在8月份由负转正，11月、12月又开始进入负区间。分析显示，除非国家和广州进一步加大扩大内需等措施力度，否则2009年全年CPI同比指数将处于负区间运行，预计徘徊在95左右。     

BP神经网络下研究汇率预测的遗传算法

BP神经网络作为现阶段应用最为广泛的神经网络模型之一长期以来通过和遗传算法的结合在诸多领域都有着良好的应用.本文从阐述BP神经网络下汇率预测遗传算法的构建入手,对于BP神经网络下遗传算法在汇率预测中的应用进行了分析.     

基于时间序列的BP神经网络预测鄂尔多斯市的GDP

国内生产总值(GDP)是制定经济发展战略、规划、年度计划以及各种宏观经济政策的重要依据,研究GDP预测方法具有重要的现实意义。在对鄂尔多斯市GDP数据序列分析的基础上,考虑到BP神经网络可以通过简单非线性函数的复合能够实现对于复杂函数的映射,本文采用BP神经网络方法来预测鄂尔多斯市的GDP,取得了较好的预测效果。     

上市公司财务困境预测模型的再比较

本文将中国上市公司因财务状况异常而被特别处理（ST）作为企业陷入财务困境的标志，采用主成分分析方法确定模型变量，并利用多元判别分析、Logistic回归和改进型BP神经网络三种方法进行财务困境预测。比较其预测结果发现，BP神经网络模型的预测准确率明显优于多元判别分析和Logistic回归模型，而后两者的判别效果接近，可见改进型BP神经网络模型更适合于企业财务困境预测。但三种模型的长期预警能力均不够理想，需要建立以定量模型为主、定性分析为辅的上市公司财务困境预测方式，以提高预测的准确性。     

基于BP神经网络的用户评论意愿预测研究

本文基于BP神经网络建模、预测电商平台用户评论意愿,测试结果表明BP网络可以很好地用于用户评论意愿建模和预测.     

基于BP神经网络的电网建设项目物资需求预测

电力物资是影响电网建设的一个重要因素,准确的物资需求预测能够有效地提高物资的保障能力。本文针对我国电网建设项目物资的需求特点,基于BP神经网络预测方法,构建了电网建设项目物资需求预测模型,并应用MATLAB软件进行了拟合预测。结果表明,在样本数足够多的情况下,BP神经网络预测方法能够有效预测电网建设项目物资的需求量。