将控制预测技术应用于投资及产出关系的分析,是近年来经济领域十分重视的研究课题之一,这也是非常复杂的非线性问题。本论文在深入研究投资问题的基础上,提出从三个角度建立不同的投资预测模型,它们分别是:根据投入和产出的关系,建立投资的产出预测模型;根据投入和产出的关系,研究在产出最大的前提下,投资分配结构优化问题,建立投资优化预测模型;利用不同的投入和产出数据,实现基于经济比对的定量预测。为此,本论文分别提出了基于灰色系统理论、人工神经网络理论和协同学理论的投资预测方法,较好地解决了上述三种投资预测模型的建立问题。 为实现根据投资结构预测投资效益的目的,本论文提出了利用灰色系统理论建立投资预测模型的方法。本论文依据有关投资及产值数据,分析了各产业投资与相应产值间的关联度,定性确定了投资结构的优先顺序。同时引入经济学中弹性的概念,给出了弹性的计算方法,并利用GM(1,1)灰色模型建立了年产值预测模型,在给定各产业投资数据的前提下,可较为准确地预测产出。同时在此基础上提出了基于二阶差分的GM(2,4)灰色预测模型,仅用少量的历史数据即可进行预测。实验结果表明,该模型具有较高的预测精度,且建模方法便于实现和应用。 针对投资结构优化问题,本论文运用改进的BP算法建立人工神经网络模型,确定了投资输入和产出诸要素间的非线性关系,并在此基础上,通过对投资输入的合理调整,保证在投资总额不变前提下,预测能够使产出总额最大的最佳投资分配比例。本论文利用有关投资数据建立了反映投资分配与产值关系的人工神经网络模型,在一定范围内逐步调整三类产业投资分配,寻求使得产值最大的投资分配结构,在给定的投资总量前提下对投资分配和总产值分别作了预测。经过与实际结果对比,可以看出该模型较好地反映了投资要素之间的非线性关系,具有较高的精度及理想的预测效果,可广泛应用于各种预测研究,有较好的推广应用价值。 本论文将协同学理论应用到投资预测模型建立中,提出了一种新的基于