外商直接投资分析论文提纲

论文题目：基于多模型融合的中国—东盟外商直接投资预测分析

摘要：随着世界区域经济的不断发展,外商直接投资己然成为了不可忽视的主导力量。研究中国和东盟国家外商直接投资趋势,不仅丰富了我国关于外商直接投资方面的理论研究,还满足中国-东盟海洋大数据平台对经济分析的需求,为我国和东盟国家政府制定外商直接投资方面政策和战略提供参考。目前关于外商直接投资的研究大部分还基于传统方法。近年来,机器学习和数据挖掘等技术日趋成熟,在很多领域都取得了不错的研究成果。因此,本文结合机器学习方法探索研究外商直接投资趋势具有一定的理论意义和实际价值。本文主要围绕中国与东盟各国在中国-东盟海洋大数据平台投资数据库中外商直接投资特征数据是否完整提出了两个外商直接投资预测模型。首先,针对外商直接投资特征数据完整的情况,本文提出了基于特征分析的多模型融合的外商直接投资预测模型--MP-RBP-FDI预测模型。该预测模型采用MP算法对外商直接投资特征进行处理,并结合了随机森林算法和BP神经网络这两个算法的优势。通过与单一的MLR、RF和BP神经网络预测模型进行对比分析得出,本文提出的MP-RBP-FDI预测模型在预测精度和泛化能力方面相较其它模型都有所提升。其次,针对外商直接投资特征数据缺失的情况。本文提出了基于时间序列分析的多模型融合的外商直接投资预测模型--ALS-FDI预测模型。该模型是在ARIMA模型和LSTM网络的基础上提出的。通过与单一的GM（1,1）、ARIMA以及LSTM网络预测模型进行对比分析得出,本文提出的ALS-FDI预测模型有效地解决了外商直接投资数据序列中既存在线性部分又存在非线性部分的问题,相较其它预测模型精度要高。最后,将本文提出的两个预测模型应用到中国-东盟海洋大数据平台上。用户可以针对外商直接投资特征数据是否完整,选择基于特征数据预测子模块或基于历史数据预测子模块查看预测值,充分体现了本文研究成果的实际价值。

关键词：外商直接投资预测;多模型融合;特征分析;时间序列分析

学科专业：计算机技术

摘要

ABSTRACT

第一章 绪论

1.1 研究背景

1.2 研究现状

1.3 研究意义

1.4 本文主要研究内容

1.4.1 本文工作内容

1.4.2 本文组织架构

第二章 相关理论

2.1 特征处理相关理论

2.1.1 特征处理概述

2.1.2 相关性分析理论

2.1.3 主成分分析算法

2.2 回归分析预测法相关理论

2.2.1 回归分析预测法概述

2.2.2 多元线性回归算法

2.2.3 随机森林算法

2.2.4 反向传播神经网络

2.3 时间序列分析预测法相关理论

2.3.1 时间序列分析预测法概述

2.3.2 GM(1,1)模型

2.3.3 ARIMA模型

2.3.4 长短期记忆网络

2.4 评估方法

2.4.1 模型的评估

2.4.2 模型的校验

2.5 本章小结

第三章 基于特征分析的外商直接投资预测

3.1 基于MP算法的外商直接投资特征处理

3.1.1 MP算法的设计

3.1.2 MP算法的实现

3.1.3 基于MP算法的外商直接投资特征处理结果

3.2 多模型融合的外商直接投资预测--MP-RBP-FDI

3.2.1 MP-RBP-FDI模型的设计

3.2.2 MP-RBP-FDI模型的实现

3.3 基于特征分析的外商直接投资预测实验设计

3.3.1 实验环境

3.3.2 实验数据

3.3.3 实验模型的设计

3.3.4 实验参数的设置

3.4 实验结果与分析

3.4.1 不同预测模型实验结果

3.4.2 不同预测模型对比评估

3.5 本章小结

第四章 基于时间序列分析的外商直接投资预测

4.1 多模型融合的外商直接投资预测--ALS-FDI

4.1.1 ALS-FDI模型的设计

4.1.2 ALS-FDI模型的实现

4.2 基于时间序列分析的外商直接投资预测实验设计

4.2.1 实验数据

4.2.2 实验模型的设计

4.2.3 实验参数的设置

4.3 实验结果与分析

4.3.1 不同预测模型实验结果

4.3.2 不同预测模型对比评估

4.4 本章小结

第五章 研究成果在中国-东盟海洋大数据平台上的应用

5.1 中国-东盟海洋大数据平台介绍

5.2 中国-东盟金融投资数据库模块

5.3 本章小结

第六章 总结与展望

6.1 工作总结

6.2 工作展望

参考文献

致谢