摘要5-6
ABSTRACT6-7
致谢7-12
章 绪论12-17
1.1 引言12-13
1.2 经济监测预警的发展现状及趋势13-15
1.2.1 发展现状13-15
1.2.2 发展趋势15
1.3 选题背景及15-16
1.4 论文主要内容和组织结构16-17
章 经济监测预警知识概述17-25
2.1 主成分分析法17-18
2.2 人工神经网络18-21
2.2.1 人工神经元模型18-19
2.2.2 BP 神经网络基本原理19-21
2.2.3 改进的BP 学习算法21
2.3 景气预测方法21-24
2.3.1 景气循环理论21-23
2.3.2 景气预测方法23-24
2.4 小结24-25
章 工业经济监测预警模型研究25-39
3.1 预警模型建立概述25
3.2 景气指标体系建立25-28
3.2.1 景气指标的选择25-26
3.2.2 确定基准循环26
3.2.3 指标预处理26-27
3.2.4 经济指标分类方法27-28
3.3 景气指数编制28-32
3.3.1 景气指数简介28-30
3.3.2 景气指数编制30-32
3.3.3 扩散指数和合成指数比较32
3.4 预警模型研究32-36
3.4.1 预警指标选取33
3.4.2 预警信号构成33-34
3.4.3 传统预警临界值确定34-35
3.4.4 预警临界值确定35-36
3.5 基于BP 神经网络的工业经济监测预警模型36-38
3.5.1 主成分分析法简化输入36-37
3.5.2 BP 神经网络预警模型37-38
3.6 小结38-39
章 预警模型在工业经济预警系统中的应用39-53
4.1 工业经济预警系统的功能模块39-41
4.1.1 系统的功能需求39
4.1.2 系统的框架结构39-41
4.2 景气指标体系建立41-44
4.2.1 景气指标初选41-42
4.2.2 确定基准循环42
4.2.3 指标预处理42-43
4.2.4 先行、同步、滞后指数确定43-44
4.3 景气指数编制44-46
4.3.1 扩散指数DI 的编制结果44-45
4.3.2 合成指数CI 的编制结果45-46
4.4 预警信号灯系统设计46-50
4.4.1 单个指标预警临界值的确定46-47
4.4.2 综合预警临界值的确定47-50
4.5 BP 神经网络在预警系统中应用50-52
4.5.1 主成分分析法简化输入层结点50
4.5.2 模型的训练及其验证50-52
4.6 小结52-53
第五章 总结与展望53-55
5.1 工作总结53
5.2 工作展望53-55