基于神经网络的卷烟销售预测模型的研究及应用
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 1 问题提出及研究现状 | 第9-12页 |
| ·烟草业现状及面临的问题 | 第9页 |
| ·研究现状、存在问题和立题 | 第9-12页 |
| 2 烟草业市场分析 | 第12-21页 |
| ·烟草行业专卖制度 | 第12-13页 |
| ·烟草业改革：工商分离 | 第13-14页 |
| ·工商分离的目的 | 第13页 |
| ·工商分离后卷烟商业企业的经营环境分析 | 第13-14页 |
| ·影响卷烟销售的市场因素 | 第14-20页 |
| ·商品及其效用概述 | 第15页 |
| ·市场需求弹性分析 | 第15-16页 |
| ·卷烟销售分析 | 第16-20页 |
| ·小结 | 第20-21页 |
| 3 数据挖掘及ANN的理论分析 | 第21-40页 |
| ·数据挖掘 | 第21-27页 |
| ·数据挖掘定义及应用分类 | 第21页 |
| ·数据挖掘的过程概述 | 第21-22页 |
| ·数据挖掘的实施步骤 | 第22-25页 |
| ·SAS数据挖掘的方法(SEMMA) | 第25-27页 |
| ·人工神经网络简介 | 第27-28页 |
| ·人工神经网络的特点 | 第27-28页 |
| ·人工神经网络的模型 | 第28页 |
| ·BP反向传播网络 | 第28-33页 |
| ·BP网络的结构 | 第28-30页 |
| ·BP网络的学习过程 | 第30-33页 |
| ·BP网络的存在问题 | 第33页 |
| ·时间序列 | 第33-37页 |
| ·时间序列模型 | 第34-35页 |
| ·确定型时间序列模型 | 第35-36页 |
| ·随机型时间序列模型 | 第36-37页 |
| ·基于时间序列的神经网络预测方法 | 第37-38页 |
| ·简单描述 | 第37-38页 |
| ·网络参数和网络大小 | 第38页 |
| ·数据和预测精度 | 第38页 |
| ·小结 | 第38-40页 |
| 4 CCBP网络模型 | 第40-47页 |
| ·圆形反向传播网络模型 | 第40-42页 |
| ·CBP网络结构 | 第40-41页 |
| ·CBP网络的几何解释 | 第41页 |
| ·CBP 网络的学习算法 | 第41-42页 |
| ·CBP 网络的评价 | 第42页 |
| ·二重趋势时间序列预测模型 | 第42-44页 |
| ·乘积模型： | 第42-43页 |
| ·组合优化灰色人工神经网络模型 | 第43页 |
| ·小波线性叠加模型 | 第43-44页 |
| ·CCBP 网络模型 | 第44-47页 |
| ·CCBP 模型基本思想 | 第44-45页 |
| ·PBCP 模型 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 系统建立与CCBP模型应用及其比较 | 第47-69页 |
| ·系统建立、数据抽取与数据准备 | 第47-57页 |
| ·系统环境的搭建与数据抽取 | 第47-48页 |
| ·APMSTS系统表结构图 | 第48-51页 |
| ·APMSTS系统模型组件图 | 第51页 |
| ·数据分解 | 第51-57页 |
| ·CCBP模型建立及其预测 | 第57-63页 |
| ·LCBP 模型建立及趋势分量预测 | 第57-60页 |
| ·PCBP 模型建立及周期分量预测 | 第60-62页 |
| ·CCBP 模型预测结果及其分析 | 第62-63页 |
| ·其它模型的预测及与CCBP之比较 | 第63-66页 |
| ·BP 网络预测 | 第63-65页 |
| ·CBP 网络预测 | 第65-66页 |
| ·模型预测综合分析 | 第66-67页 |
| ·模型应用说明 | 第67-69页 |
| 6 结论与展望 | 第69-71页 |
| ·结论 | 第69页 |
| ·展望 | 第69-71页 |
| 附录A LCBP 模型算法代码 | 第71-74页 |
| 附录B PCBP 模型算法代码 | 第74-76页 |
| 参考文献 | 第76-78页 |
| 致谢 | 第78-79页 |
| 论文发表情况 | 第79页 |
