摘要:宏观经济的发展趋势会影响到国家、企业和个人在经济方面所做出的一系列决策，因此，提前对经济的发展趋势做出较为精准的预测显得尤为重要。本文以江苏省为例，用两种方法对江苏省GDP发展趋势进行了预测对比研究。
宏观经济是由多种经济元素所组成的庞大系统，又受到国家政策、经济制度和市场规范等等方面的影响。首先，本文对江苏省近些年三大产业的总产值进行了数据分析，结合了宏观经济理论中改进的“柯布道格拉斯生产函数”：
确定以从业人口总量、固定资产投资、财政支出、银行贷款、科技教育投入、社会销售品零售总额这6个因素作为预测江苏省宏观经济的指标。
然后运用BP神经网络算法和回归分析法分别构建了江苏省GDP预测模型，使用BP神经网络算法构造出的模型是：1个含有6个节点输入层、1个含有9个节点的隐含层、1个含有1个节点输出层的向前回馈网络结构模型；使用回归分析得到的方程：
发现其中科技教育投入的因素对江苏省GDP发展影响较大。
最后，用这两种模型对2016年的江苏省GDP进行预测，并将得到的结果与实际值进行比较，发现运用BP神经网算法得到的经济预测模型更符合江苏省GDP发展趋势。并用该模型预测了2017年江苏省GDP值，根据预测的结果及数据图表分析给出了一些决策建议。
关键词 宏观经济；经济预测；神经网络 ；回归分析
目录
摘要
Abstract
1 绪论-1
1.1 研究背景及意义-1
1.2 国内外研究现状-1
1.3 本文所要做的工作-2
1.3.1 研究的内容-2
1.3.2 研究的框架-2
1.3.3 研究的方法及技术路线-2
1.3.4 本文的优缺点-3
2 基本原理-4
2.1 BP神经网络-4
2.1.1 BP神经网络结构-4
2.1.2 BP神经网络原理-4
2.2 江苏省GDP神经网络预测指标体系的构建-6
2.2.1 指标体系的设计原则-6
2.2.2 指标体系的构建-7
2.3 回归分析-7
2.3.1多元线性回归模型原理-7
2.3.2 数据指标的选择-8
3 江苏省GDP状况分析及预测-10
3.1 江苏省经济发展现状-10
3.2 江苏省GDP结构现状和三大产业发展趋势-10
3.3 BP神经网络预测模型的建立-13
3.3.1 隐含层和神经元数目的确定-13
3.3.2 学习样本的选择与数据处理-13
3.3.3 神经网络模型的实现-16
3.4 BP神经网络预测江苏省GDP-17
3.5回归分析预测-22
3.5.1数据的准备-23
3.5.2回归分析-23
3.5.3模型检验-24
3.5.4 预测结果-25
3.6 回归分析预测与神经网络预测对比-25
4 决策建议-27
结论-29
致谢-30
参考文献-31
附录-32
