摘要：本文深入分析了灰色预测模型、自回归移动平均（ARIMA）模型和BP神经网络模型的预测特性和优劣，并在此基础上建立了由ARIMA、GM（1，1）和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列，首先建立GM（1，1）模型对序列的趋势项进行预测，然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测，最后用乘积模型对二者预测值进行集成。GDP时l-日]序列实证结果表明：集成模型的预测效果显著高于单一模型，从而证实了集成模型用于GDP预测的有效性。

原文链接:http://www.cqvip.com/QK/90703X/201305/47076175.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）