| 目录 | 第1-7页 |
| Content | 第7-10页 |
| 摘要 | 第10-12页 |
| Abstract | 第12-14页 |
| 第1章 绪论 | 第14-18页 |
| ·课题的研究背景及意义 | 第14-16页 |
| ·烟草供应链的特点 | 第14页 |
| ·卷烟行业改革的背景 | 第14-15页 |
| ·卷烟订单预测的意义 | 第15-16页 |
| ·国内外卷烟订单预测的发展状况 | 第16-17页 |
| ·卷烟预测的研究现状 | 第16页 |
| ·预测方法的研究现状 | 第16-17页 |
| ·论文结构及主要研究内容 | 第17-18页 |
| 第2章 预测方法综述 | 第18-30页 |
| ·定性预测 | 第18-19页 |
| ·德尔菲预测法 | 第18-19页 |
| ·类推预测法 | 第19页 |
| ·定量预测 | 第19-26页 |
| ·时间序列预测法 | 第19-23页 |
| ·回归分析预测法 | 第23-25页 |
| ·灰色预测 | 第25-26页 |
| ·预测的实施 | 第26-27页 |
| ·本章小节 | 第27-30页 |
| 第3章 GA优化的BP神经网络预测 | 第30-42页 |
| ·人工神经网络 | 第30-34页 |
| ·人工神经元模型 | 第30-31页 |
| ·人工神经网络的特点 | 第31页 |
| ·人工神经网络的分类 | 第31-32页 |
| ·BP神经网络的结构 | 第32页 |
| ·BP神经网络工作原理 | 第32-33页 |
| ·BP神经网络存在的问题 | 第33页 |
| ·几种改进BP神经网络方法 | 第33-34页 |
| ·遗传算法的设计 | 第34-39页 |
| ·遗传算法的编码方式 | 第34页 |
| ·遗传算法的优点 | 第34-35页 |
| ·遗传算法的步骤 | 第35页 |
| ·遗传算法的核心技术 | 第35-37页 |
| ·遗传算法的参数分析 | 第37-38页 |
| ·遗传算法性能的改进策略 | 第38-39页 |
| ·GA优化BP神经网络 | 第39-42页 |
| ·GA优化BP神经网络的原理 | 第39页 |
| ·GA优化BP神经网络的步骤 | 第39-42页 |
| 第4章 卷烟订单预测的改进及应用分析 | 第42-62页 |
| ·年订单量预测 | 第42-47页 |
| ·观测数据 | 第42页 |
| ·预测模型的设置及改进 | 第42-46页 |
| ·各种模型的预测结果及比较 | 第46-47页 |
| ·月订单量预测 | 第47-54页 |
| ·改进的GA-BP神经网络模型预测 | 第47-52页 |
| ·其他预测模型的原理及设置 | 第52-53页 |
| ·各种模型的预测结果及比较 | 第53-54页 |
| ·日订单量预测 | 第54-60页 |
| ·日期特征标识(PROPERTY_TAG)引入和卷烟趋势特征分类 | 第55-57页 |
| ·预测模型设置及预测结果比较 | 第57-60页 |
| ·周订单量预测 | 第60-62页 |
| ·预测模型的原理及预测结果 | 第60页 |
| ·预测模型的性能比较 | 第60-62页 |
| 第5章 配送中心订单预测系统设计与实现 | 第62-74页 |
| ·系统开发环境及Struts框架 | 第62-64页 |
| ·系统分析设计与实现 | 第64-68页 |
| ·系统的需求分析 | 第64页 |
| ·系统的结构设计 | 第64-65页 |
| ·数据库的设计 | 第65-66页 |
| ·视图组件的实现 | 第66-67页 |
| ·控制器组件的实现 | 第67-68页 |
| ·模型组件的实现 | 第68页 |
| ·核心算法设计与实现 | 第68-74页 |
| ·各类预测模型的通用算法 | 第68-69页 |
| ·GA-BP Neural Networks算法 | 第69-74页 |
| 第6章 结论与展望 | 第74-76页 |
| ·论文的工作总结 | 第74页 |
| ·不足与仍需改进的地方 | 第74-76页 |
| 附录 | 第76-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士学位期间发表的论文 | 第86-88页 |
| 学位论文评阅及答辩情况表 | 第88页 |