摘要:居民消费价格指数(CPI)是反映国民经济和百姓生活的重要指标，是国内外学者研究的热点.目前，CPI预测主要采用基于传统研究方法或人工神经网络的单一预测方法.近年来的研究表明，组合预测方法比单一预测方法具有更高的预测精度.本文在深入分析了CPI的基础上，建立了单整自回归移动平均(ARIMA)融合神经网络(NN)的CPI时间系列预测模型.通过对我国CPI月度数据的仿真实验，将融合模型与单一模型进行比较，预测结果证实，ARIMA与BP神经网络的组合预测明显优于单一方法的预测.
关键词：单整自回归移动平均；神经网络；融合模型；CPI预测
目录
摘要
ABSTRACT
第一章 引言-1
第二章 ARIMA和NN模型-4
2.1 ARIMA模型-4
2.1.1 ARIMA模型概念-4
2.1.2 ARIMA模型构建及预测步骤-5
2.2 NN模型-6
2.2.1 NN模型的基本概念-6
2.2.2 BPNN模型及其算法-8
2.2.3 BPNN模型结构-9
2.3 ARIMA和NN的融合模型-10
第三章 融合模型在CPI预测中的应用-12
3.1 样本数据分析-12
3.2 ARIMA融合BPNN的CPI预测模型构建-13
第四章 结论-19
参考文献-20
致 谢-23
