| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-14页 |
| ·研究的背景 | 第9-11页 |
| ·国内农产品期货的产生和发展 | 第9-10页 |
| ·目前我国农产品期货市场的现状 | 第10-11页 |
| ·国内外研究现状及存在的问题 | 第11-12页 |
| ·本研究的意义 | 第12-13页 |
| ·本文拟解决的问题和研究方法 | 第13页 |
| ·本研究的创新点 | 第13-14页 |
| 第2章 农产品期货市场预测理论及新方法的提出 | 第14-26页 |
| ·农产品期货市场价格预测的理论基础 | 第14-17页 |
| ·期货市场的特征 | 第14页 |
| ·理论界对期货市场价格的实证研究 | 第14-17页 |
| ·农产品期货预测方法的选择 | 第17-19页 |
| ·已有的期货预测方法的特点及适用范围 | 第17-18页 |
| ·选择期货价格预测方法的依据 | 第18-19页 |
| ·人工神经网络在期货预测中的应用 | 第19-22页 |
| ·人工神经网络的特点 | 第19-20页 |
| ·人工神经网络在期货预测中的应用 | 第20-22页 |
| ·期货市场神经网络预测中存在的问题 | 第22页 |
| ·新预测方法-主成分神经网络方法的构建 | 第22-24页 |
| ·主成分分析法 | 第22-24页 |
| ·主成分分析法与人工神经网络的结合 | 第24页 |
| ·本章小结 | 第24-26页 |
| 第3章 系统核心算法的改进和优化 | 第26-35页 |
| ·标准BP学习算法 | 第26-30页 |
| ·BP算法的基本原理和算法推导 | 第26-28页 |
| ·BP网络结构的设计 | 第28-30页 |
| ·标准BP算法存在的问题和现有的解决方法丝 | 第30-31页 |
| ·本系统对BP算法的改进 | 第31-32页 |
| ·带动量的梯度下降算法 | 第31页 |
| ·自适应学习率梯度下降算法 | 第31-32页 |
| ·带动量和学习速率自调节的梯度下降算法 | 第32页 |
| ·改进型BP算法的实现 | 第32-33页 |
| ·改进型BP算法与标准BP算法的性能比较 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第4章 基于主成分-神经网络的农产品期货预测系统分析与设计 | 第35-41页 |
| ·系统模型分析 | 第35-36页 |
| ·用户订制模型参数设计及实现的功能 | 第36-37页 |
| ·主成分BP算法模块核心算法实现 | 第37-39页 |
| ·数据传递 | 第38页 |
| ·主成分分析 | 第38页 |
| ·构建神经网络 | 第38-39页 |
| ·MATLAB和VC++混合编程实现可独立运行程序 | 第39-40页 |
| ·可独立运行程序的实现 | 第39-40页 |
| ·本系统可执行文件的具体实现 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第5章 实验与分析 | 第41-54页 |
| ·基于主成分-神经网络的郑州棉花期货价格预测 | 第41-45页 |
| ·收集分析历史数据 | 第41页 |
| ·网络拓扑的设计 | 第41-42页 |
| ·分析结果 | 第42-45页 |
| ·基于主成分-神经网络的白糖期货价格走势预测 | 第45-49页 |
| ·数据收集处理 | 第45页 |
| ·测试方法的选择 | 第45页 |
| ·预测结果分析 | 第45-49页 |
| ·主成分神经网络预测方法同传统预测方法的性能比较 | 第49-51页 |
| ·与未采用主成分分析法的神经网络性能的比较 | 第49页 |
| ·与采用标准BP算法的神经网络性能的比较 | 第49-50页 |
| ·与移动平均法、指数平滑法预测的性能比较 | 第50-51页 |
| ·主成分-神经网络方法的可扩展性 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第6章 结论 | 第54-56页 |
| ·回顾和总结 | 第54-55页 |
| ·不足之处 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读硕士学位期间参加的科研课题和发表的学术论文 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附录 | 第61-63页 |