| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 粮食产量预测研究现状 | 第12-13页 |
| 1.2.2 灰色马尔可夫模型研究现状 | 第13页 |
| 1.2.3 多变量灰色模型研究现状 | 第13-14页 |
| 1.2.4 粒子群算法研究现状 | 第14页 |
| 1.3 论文的主要内容 | 第14-16页 |
| 第2章 理论知识 | 第16-23页 |
| 2.1 灰色关联度 | 第16-17页 |
| 2.2 多变量灰色模型 | 第17-19页 |
| 2.3 马尔可夫方法 | 第19-20页 |
| 2.4 粒子群优化算法 | 第20-23页 |
| 2.4.1 粒子群算法简介 | 第20-21页 |
| 2.4.2 标准粒子群算法 | 第21-23页 |
| 第3章 山东省粮食产量预测模型 | 第23-30页 |
| 3.1 基于积分变换的多变量灰色预测模型 | 第23-26页 |
| 3.1.1 预测模型的建立 | 第23-24页 |
| 3.1.2 模型的参数识别 | 第24-25页 |
| 3.1.3 模型求解 | 第25-26页 |
| 3.1.4 模型算法的具体步骤 | 第26页 |
| 3.2 灰色马尔可夫模型 | 第26-27页 |
| 3.3 改进惯性因子的粒子群算法 | 第27-28页 |
| 3.4 粒子群优化的灰色马尔可夫模型 | 第28-30页 |
| 第4章 模型在山东省粮食产量预测中的应用 | 第30-40页 |
| 4.1 山东省粮食产量影响因素的灰色关联计算 | 第30-31页 |
| 4.2 基于GM(1,N)模型的预测 | 第31-32页 |
| 4.3 基于IGM(1,N)模型的预测 | 第32-34页 |
| 4.4 基于IGMM(1,N)模型的预测 | 第34-35页 |
| 4.5 基于IGMMP(1,N)模型的预测 | 第35-37页 |
| 4.6 IGMMP(1,N)模型与其它模型结果比较 | 第37-38页 |
| 4.7 山东省未来粮食产量的预测 | 第38页 |
| 4.8 影响因素分析及稳定粮食生产的建议 | 第38-40页 |
| 第5章 总结与展望 | 第40-41页 |
| 5.1 研究总结 | 第40页 |
| 5.2 研究展望 | 第40-41页 |
| 参考文献 | 第41-46页 |
| 作者简历 | 第46页 |