论文部分内容阅读
全社会固定资产投资的具体定义是指用货币的形式来表现的建造固定资产活动和购置固定资产活动方面的工作量,它是一种综合性的指标,反映的主要是全社会的固定资产投资的规模,全社会的固定资产投资的速度,全社会的固定资产投资方面的比例关系,全社会的固定资产投资相关的使用方向。它的本质是指反映固定资产投资方面的相关的信息。本文的选题数据来源于《2013年中国统计年鉴》,该年鉴统计了中国自改革开放以来三十多年的汇总多方面的经济数据,并且按照时间、按照地区等多方面划分来研究中国的经济数据。数据挖掘是一门综合性的研究学科,它综合了数学知识、概率知识、数据库知识、生物知识等各种学科的交叉学科,并且在当前社会的经济、数学、生物、科学等多方面的领域里均有着广泛的应用。预测是数据挖掘中的重点知识之一,预测就是利用目前的数据和现有的条件来预测将来的数据,从而为当前我们需要了解的信息提供大概的动向和趋势。本文将主成分分析算法和神经网络算法相结合,充分利用了主成分分析算法降维的优势和神经网络非线性能表达非线性关系的优势,建立了主成分-神经网络的预测模型,并把该算法用于社会固定资产投资数据分析。基于主成分-神经网络的预测算法适用范围满足以下两个特点:一是样本为高维数据,二是研究的变量和目标量之间的预测关系为非线性映射关系。本文建立了主成分-神经网络预测模型,并将该预测模型应用于社会固定资产投资统计数据分析。研究对象是统计年鉴中按照行业分固定资产投资统计数据,该数据含有中国31个省直辖市自治区从2003年至2010年来的社会固定总资产数据,每个样本有农林牧渔业、采矿业等十九个变量数值,本文通过建立神经网络模型用于预测2012年31个省直辖市自治区的的社会固定资产投资数据,并将该数据与2012年的真实数据作对比,研究基于神经网络的预测算法在本文数据分析中的应用,同时,与线性预测方法作对比,发现主成分-神经网络预测算法效果比较好。通过本文,既了解了社会固定资产投资方面的知识,对我国的社会固定资产投资方面提供一定的理论数据,又学习了数据挖掘中的预测算法。