1. 研究目的与意义
国内生产总值（GDP）是国民经济核算的核心指标，常常被视作一个国家或地区经济状况的重要经济指标，可以用来衡量国民经济发展规模、速度、结构、效益，也能为国家和地区制定宏观经济政策提供了一种参考和依据。
还可通过GDP的数值检测已有的宏观经济政策的科学性和有效性。
因此，科学准确地预测未来的GDP，对于合理判断经济形势、制定经济发展战略和进行宏观调控具有重要的现实意义。
2. 研究内容和预期目标
本论文的主要研究内容，是基于时间序列分析理论建立最优的差分自回归移动平均模型（ARIMA），预测江苏省的国内生产总值（GDP）。
并且在此基础上对ARIMA模型进行改进，与神经网络模型结合构建集成模型进行进一步的预测分析，以得到更加准确的GDP预测模型。
3. 国内外研究现状
国内最早将ARIMA模型应用于GDP预测的是龚国勇（2008），他通过观察一次差分之后序列的自相关图与偏自相关图确定阶数，建立ARIMA模型，对深圳市的GDP进行预测。
华鹏等（2010）用GDP平减指数将统计年鉴中的名义GDP剔除物价指数，得到实际GDP，建立ARIMA模型预测广东省的GDP。
李娜等（2013）利用剔除了物价指数的实际GDP建立了36组ARIMA模型，最后基于最优ARIMA模型预测了我国GDP的增长。
4. 计划与进度安排
一、ARIMA模型的原理二、ARIMA模型的建模步骤2.1 数据的来源与描述2.2 GDP时间序列平稳性的检验2.3 模型的识别与建立2.4 模型的检验三、模型的预测四、模型的改进4.1 神经网络模型的原理4.2 基于ARIMA和神经网络的集成模型4.3 集成模型在GDP预测中的应用4.4 集成模型与单一模型的比较五、结论
5. 参考文献
[1]华鹏，赵学民.ARIMA模型在广东省GDP预测中的应用[J].统计与决策，2010（12）.[2]李娜，薛俊强.基于最优ARIMA模型的我国GDP增长预测[J].统计与决策，2013（09）.[3]Tseng, F M, Yu H C, Tzeng G H. Combining neural network model with seasonal time series ARIMA model [J]. Technology Forecasting and Social Change, 2002(69):71-87.[4]王莎莎，陈安，苏静，李硕.组合预测模型在中国GDP预测中的应用[J].山东大学学报（理学版）.2009（02）.[5]韩冬梅，牛文清，杨荣.线性与非线性最优组合预测方法的比较研究[J].情报科学.2007（11）.[6]熊志斌.基于ARIMA模型与神经网络集成的GDO实践序列预测研究[J].数理统计与管理.2011（02）.
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
