摘要：国内生产总值（GDP）常被用来衡量一个国家或者地区的经济发展状况。对GDP进行科学准确的预测能够为政府决策机构判断把握经济形势，制定经济发展战略目标，实施宏观经济调控并且检验经济政策的效率提供参考，因此，对GDP进行预测有重要的现实意义。本文基于江苏省1978至2016年的国内生产总值数据，建立差分自回归移动平均模型（ARIMA）进行GDP预测。在分析比较自回归移动平均模型（ARIMA）和神经网络模型（NN）的优劣之后，将GDP时间序列分成线性和非线性部分，通过ARIMA模型预测线性和NN预测非线性部分建立集成模型，在此基础上进行预测可以进一步缩小预测误差。通过比较可以得出集成模型能得到更好的预测结果。
关键词：差分自回归移动平均模型，神经网络，集成模型，GDP预测
目录
摘要
Abstract
一、研究背景-3
二、ARIMA模型概述-4
（一）ARIMA模型的原理-4
（二）ARIMA模型的基本建模步骤-4
二、ARIMA模型对江苏省GDP预测的实证分析-6
（一）数据的来源与描述-6
（二）GDP时间序列平稳性的检验-6
（三）模型的识别与建立-7
（四）模型的检验-11
三、模型的预测-12
四、模型的改进-12
（一）BP神经网络模型概述-13
（二）基于ARIMA和神经网络的集成模型-14
（三）集成模型对江苏省GDP预测的实证分析-14
（四）集成模型与单一模型的比较-16
五、结论-16
参考文献-18
