- 文献综述（或调研报告）：
前言：
中国经济发展呈现出持续较快稳定增长的态势，对能源的需求逐年加大，电力作为
主要的能源消费品种，以其清洁高效的特质在现代经济社会发展中发挥着重要作用。所以，用电量指标也理所当然的成为了评价地区经济发展速度的重要依据。而用电力数据对GDP进行预测，很多都是利用简单的线性回归或者简单的时间序列回归，对数据要求不那么高，并且预测的准确性也不是很高。加上很多改进了的好的模型方法也只是利用了公布了的GDP数据来预测GDP，虽然准确性提高了，但是由于GDP数据发布的时滞性导致预测价值有所降低。
正文：
首先要提到的就是电力消费与经济发展的关系，在张小峰和张斌电力消费与经济发展关系国际实证分析- 基于长期历史数据的考察（2012）中，长期视角来看，英国、美国、日本人均电力消费与人均 GDP 的长期历史趋势呈现出快速增长和慢速增长两个不同的阶段，而且定量分析表明了人均电力消费与人均 GDP 具有较高的线性拟合优度。虽然这只是人均电力消费和人均GDP之间的关系，但是可以看出电力数据与GDP直接是存在着密切的关系的，正是因为它们存在着这种关系，所以才可以考虑把电力数据应用到区域GDP预测中来。
在将电力数据与GDP联系起来的模型中，线性回归模型应该是最简单的模型了。彭鹏-基于多元线性回归模型的电力负荷预测研究（2011）中，他将电力负荷作为因变量，把GDP和人口作为自变量利用多元线性回归来寻求电力负荷与各种相关因素之间的内在联系，从而预测出电力负荷在未来时期的变化趋势及状态。同样在章璇的厦门地区电力负荷预测方法研究中对厦门地区 GDP 与电力负荷之间的关系进行分析并建立对应的数学模型，在比较一元线性回归，一元二次非线性回归，一元三次线性回归和指数回归后选择了拟合程度最好的一元三次非线性回归。这两个都是把GDP作为自变量用来预测电力负荷的，线性回归模型在预测中起到了一定的作用，这仅仅是将电力数据与GDP联系了起来，并非利用电力数据来对GDP进行预测，但是也为电力数据预测GDP提供一种思路和方法。
苗慧敏-基于电力消费的GDP数据质量分析（2013）中，以电力消费作为主要影响指标，建立各行业电力消费量与 GDP 之间的计量模型，从能源消费的角度来检验宏观经济发展数据（GDP）的可靠性。使用了时间序列回归分析方法，拟合为指数曲线方程，但最后得出的结论表明了中国经济增长和电力消费量之间的稳定性较差，数据质量有待考究。所以可以看出单纯的时间序列回归预测方法结果不是那么精确，预测结果的可靠性还有待考究，因此就更需要寻找更加合适的模型来进行拟合。
在刘迪-基于BP神经网络的吉林省GDP预测研究（2018）中，指出GDP 增长曲线是呈复杂、非线性的特点，所以针对吉林省的 GDP 数据，基于灵敏度分析，筛选出与 GDP 强相关的参量作为 BP 神经网络的输入量，基于 BP 神经网络建立了吉林省 GDP 预测模型，并采用吉林省 GDP 数据验证文章方法的有效性。通过文章研究可以得出人口、税收这两个参量与 GDP 强相关。虽然没有涉及电力数据，将电力数据作为BP神经网络的输入量，但是这种方法完全可以借鉴并用到电力数据预测GDP中来，首先通过灵敏度分析来检验电力数据是否为影响GDP的强相关的参量，这样准确性也会比简单的时间序列预测更高一些。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
