| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第15-24页 |
| 1.1 课题背景和研究意义 | 第15-17页 |
| 1.2 国内外研究现状及分析 | 第17-21页 |
| 1.2.1 供应链管理研究现状 | 第17-18页 |
| 1.2.2 需求影响因素研究现状 | 第18-19页 |
| 1.2.3 需求预测方法研究现状 | 第19-21页 |
| 1.3 研究内容、研究方法及技术路线 | 第21-23页 |
| 1.3.1 研究内容 | 第21-22页 |
| 1.3.2 研究方法及技术路线 | 第22-23页 |
| 1.4 本章小结 | 第23-24页 |
| 第二章 相关理论与方法概述 | 第24-29页 |
| 2.1 需求预测相关理论与概述 | 第24页 |
| 2.2 供应链管理相关理论与概述 | 第24页 |
| 2.3 灰色马尔科夫相关理论与方法概述 | 第24-25页 |
| 2.3.1 灰色理论基本理论概述 | 第24-25页 |
| 2.3.2 马尔科夫基本理论概述 | 第25页 |
| 2.4 神经网络相关理论与方法概述 | 第25-27页 |
| 2.4.1 神经网络基本理论概述 | 第25-26页 |
| 2.4.2 BP神经网络理论概述 | 第26-27页 |
| 2.5 组合预测相关理论与方法概述 | 第27-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 多源数据的供应链协同预测框架与需求预测方法 | 第29-46页 |
| 3.1 基于多源数据的供应链协同预测框架 | 第29-34页 |
| 3.1.1 牛鞭效应与供应链协同问题分析 | 第29-30页 |
| 3.1.2 多源数据协同预测框架 | 第30-34页 |
| 3.2 基于多源数据的需求预测方法 | 第34-44页 |
| 3.2.1 因素选择模型 | 第35-36页 |
| 3.2.2 灰色马尔科夫预测模型 | 第36-39页 |
| 3.2.3 BP神经网络预测模型 | 第39-42页 |
| 3.2.4 组合预测模型 | 第42-44页 |
| 3.3 本章小结 | 第44-46页 |
| 第四章 实验验证与分析 | 第46-53页 |
| 4.1 实验数据描述 | 第46-48页 |
| 4.2 实验过程 | 第48-52页 |
| 4.2.1 因素选择 | 第48-49页 |
| 4.2.2 需求预测模型构建与训练 | 第49页 |
| 4.2.3 实验结果分析 | 第49-50页 |
| 4.2.4 敏感性分析 | 第50-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| 5.1 结论 | 第53-54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第58-59页 |