| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 文献综述 | 第9-19页 |
| ·灰生成 | 第9-16页 |
| ·数值变换生成 | 第10-14页 |
| ·层次变换生成 | 第14-16页 |
| ·灰生成空间 | 第16-17页 |
| ·研究评述 | 第17-18页 |
| ·小结 | 第18-19页 |
| 第2章 数值变换灰生成方法研究 | 第19-34页 |
| ·基本概念 | 第19-20页 |
| ·差异信息与数据处理机理的现有研究结果 | 第20-23页 |
| ·对数-幂函数变换的序列差异信息与数据处理机理 | 第23-30页 |
| ·对数-幂函数变换序列的差异信息 | 第23-28页 |
| ·对数-幂函数变换的数据处理机理 | 第28-29页 |
| ·数据处理实例 | 第29-30页 |
| ·函数x~(-α)(α>0)变换的序列差异信息与数据处理机理 | 第30-33页 |
| ·函数x~(-α)(α>0)变换序列的差异信息 | 第30-33页 |
| ·函数x~(-α)(α>0)变换的数据处理机理 | 第33页 |
| ·小结 | 第33-34页 |
| 第3章 层次变换灰生成方法研究 | 第34-47页 |
| ·广义累加生成及其性质 | 第34-37页 |
| ·广义累加生成空间 | 第37-40页 |
| ·广义累加生成空间的结构 | 第40-46页 |
| ·小结 | 第46-47页 |
| 第4章 基于特殊灰生成的GM新模型及其应用 | 第47-78页 |
| ·基于x~(-α)变换生成的改进GM(1，1)模型及其应用 | 第47-49页 |
| ·改进GM(1，1)模型的基本建模步骤 | 第47-48页 |
| ·预测应用实例 | 第48-49页 |
| ·基于纯广义累加生成的GM(1，1)预测控制模型 | 第49-58页 |
| ·预测控制模型的建立 | 第50-51页 |
| ·预测控制模型的参数辨识 | 第51-55页 |
| ·模型的求解算法 | 第55-57页 |
| ·预测控制实例 | 第57-58页 |
| ·混广义累加生成GM(1，1)预测模型 | 第58-70页 |
| ·预测模型的建立 | 第59-60页 |
| ·预测模型的参数辨识 | 第60-63页 |
| ·模型的求解算法 | 第63-64页 |
| ·预测应用实例 | 第64-70页 |
| ·广义灰色神经网络预测模型(GGNNM(1，1)) | 第70-77页 |
| ·广义GM(1，1)模型 | 第71-73页 |
| ·GGNNM(1，1)模型的建立与求解 | 第73-75页 |
| ·应用实例 | 第75-77页 |
| ·小结 | 第77-78页 |
| 第5章 总结与展望 | 第78-80页 |
| ·全文总结 | 第78-79页 |
| ·展望 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-85页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第85-87页 |
