基于多种预测模型的收入预测模型文献综述
摘要：收入是反应人民生活水平的重要指标，根据以往的统计数据来预测人民收入水平的变化对政府工作的指示有重大意义。目前世界上各国的学者纷纷给出了许多收入预测的模型，这些模型主要分为两类，一类是新兴的机器学习模型，这类模型需要大量数据，通过计算机对模型参数进行优化。另一类是传统的统计预测模型，有扎实的理论基础。本文将从后一类模型中选用不同的模型，对杭州市统计年鉴中提供的数据进行分析，并比较结果。
关键词：收入预测；时间序列分析；回归分析；
- 文献综述
笔者在CNKI中国文献数据库中输入关键词“收入预测”进行检索，将文献的发表时间设置为2008年到2020年，共找到约800篇包含“收入预测”的文献。
从文献总体来看，将这些文献的发布时间以年为单位进行划分，发现每年的文献发布数量较为平均，说明收入预测一直被持续关注。从文献的语言看，中文的相关文献占比较大，有四分之三的相关文献是中文文献，这些文献大多数来源于期刊。
从文献内容来看，这些文献用到了许多不同的模型。根据得到的数据量不同可以应用不同的预测模型，可获得的数据量较多时，可以采用机器学习模型，如神经网络，回归树等模型，数据较为单一，变量较少时，可以考虑传统统计模型，如时间序列分析，回归分析，相关分析，确定性分析等，数据量较少时，可以采用灰色预测模型。除了数学模型外，还有经济学模型等。其中，应用前两种模型的文献数量占比较大。
(一)机器学习模型对收入的预测
机器学习算法在这个计算机技术成熟的时代应用越来越广，随着计算机性能的升级，机器学习模型也不断更新。不少学者采用了神经网络模型，并且现在运用的神经网络模型深度也越来越大，神经元也越来越多，也就是所谓的深度学习。
神经网络模型实际上是人工神经网络模型，人工神经网络来源于生物神经网络，网络结构使生物能够处理复杂信息，于是人工神经网络借鉴这种结构，可以使得计算机也能像生物一样处理复杂信息，也就是人工智能。神经网络在预测上的应用非常多，一个预测用的神经网络通常需要大量的数据，其中一部份用来训练神经网络，另一部分用来测试神经网络，根据测试结果改进神经网络的层数，神经元数和激活函数等，当测试效果达到可接受的程度时，该网络就能针对目标问题进行预测。
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。
