现代市场经济快速发展的同时也伴随着较高的风险，通过对地区投资情况提前预测，能够提前发现投资风险，为国家、企业的投资决策提供参考。针对宏观经济预测中统计数据滞后和内部关系复杂的问题，提出融合情感分析和深度学习的预测方法（SA-LSTM）。首先考虑微博的强时效性，确定了微博爬取和情感分析的方法，得到微博情感分析的分值，进而结合政府统计的结构化经济指标和长短期记忆神经网络，实现地区投资总额预测。经过实际数据计算验证，在四个数据集上，与不加入微博情感分析的LSTM网络相比，SA-LSTM能够降低预测相对误差4.95，0.92，1.21，0.66个百分点；与差分自回归移动平均模型（ARIMA）、线性回归（LR）、反向传播（BP）神经网络、长短期记忆（LSTM）网络四个方法中的最优方法相比能够降低相对误差0.06，0.92，0.94，0.66个百分点。另外，SA-LSTM在多个时间片上，预测相对误差的方差最小，表明所提方法具有很好的鲁棒性，对数据抖动有良好的适应性。

针对网格资源特点提出一种基于市场经济均衡理论的网格资源分配模型,将整个网络资源系统看成是一个价格随供求关系浮动的竞争市场,网络用户购买网络资源以满足个人的服务质量(QoS),利用流量控制技术优化网络资源分配,使之公平有效。借助经济学中的均衡理论对网格参与者之间的交互行为进行分析,并结合迭代算法给出初步仿真试验的分析结果。