| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 预测模型简介 | 第10-11页 |
| 1.1.1 双权值神经网络模型简介 | 第10页 |
| 1.1.2 ARIMA模型简介 | 第10-11页 |
| 1.1.3 组合预测模型简介 | 第11页 |
| 1.2 选题背景与意义 | 第11-13页 |
| 1.2.1 选题背景 | 第11-12页 |
| 1.2.2 选题意义 | 第12-13页 |
| 1.3 创新点及主要工作 | 第13-14页 |
| 1.3.1 本文的创新点 | 第13页 |
| 1.3.2 本文的主要工作 | 第13-14页 |
| 第2章 双权值神经网络模型 | 第14-28页 |
| 2.1 双权值神经网络基础知识 | 第14-23页 |
| 2.1.1 人工神经网络基础知识 | 第14-19页 |
| 2.1.2 双权值神经网络基础知识 | 第19-23页 |
| 2.2 双权值神经网络的拓扑结构与算法 | 第23-27页 |
| 2.2.1 双权值神经网络的拓扑结构 | 第23-25页 |
| 2.2.2 双权值神经网络的学习算法 | 第25-27页 |
| 2.3 双权值神经网络与BP、RBF神经网络的比较 | 第27-28页 |
| 第3章 ARIMA模型 | 第28-35页 |
| 3.1 ARIMA模型基础知识 | 第28-32页 |
| 3.1.1 特征统计量 | 第28-29页 |
| 3.1.2 时间序列的相关定义 | 第29-30页 |
| 3.1.3 时间序列的预处理 | 第30-32页 |
| 3.2 ARIMA模型 | 第32-35页 |
| 3.2.1 方法性工具 | 第32-33页 |
| 3.2.2 ARIMA模型的定义 | 第33-34页 |
| 3.2.3 ARIMA模型建模 | 第34-35页 |
| 第4章 组合预测模型在城镇失业问题中的应用 | 第35-50页 |
| 4.1 城镇失业问题研究 | 第35-38页 |
| 4.2 单一预测模型 | 第38-45页 |
| 4.2.1 双权值神经网络模型 | 第38-39页 |
| 4.2.2 ARIMA模型 | 第39-45页 |
| 4.3 组合预测模型 | 第45-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 本文总结 | 第50页 |
| 5.2 本文展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录(A) (攻读学位期间所发表的学术论文目录) | 第56-58页 |
| 附录(B) | 第58-62页 |
| 致谢 | 第62页 |