| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11-13页 |
| 第2章 菜品销售量关键问题分析 | 第13-17页 |
| 2.1 长期影响因素 | 第13-15页 |
| 2.2 短期影响因素 | 第15-16页 |
| 本章小结 | 第16-17页 |
| 第3章 相关理论 | 第17-25页 |
| 3.1 BP神经网络 | 第17-19页 |
| 3.2 粒子群优化算法及PSO-BP算法流程 | 第19-20页 |
| 3.2.1 基本粒子群优化算法（PSO） | 第19-20页 |
| 3.2.2 粒子群优化算法优化BP神经网络流程 | 第20页 |
| 3.3 灰色系统 | 第20-21页 |
| 3.4 马尔科夫链预测模型 | 第21页 |
| 3.5 极限学习机 | 第21-24页 |
| 3.5.1 ELM算法 | 第21-23页 |
| 3.5.2 KELM算法 | 第23页 |
| 3.5.3 PSO-KELM模型的建立 | 第23-24页 |
| 本章小结 | 第24-25页 |
| 第4章 实验数据分析 | 第25-31页 |
| 4.1 因素水平选择 | 第25页 |
| 4.2 实验数据选择 | 第25-26页 |
| 4.3 数据分析 | 第26-31页 |
| 第5章 实验分析 | 第31-38页 |
| 5.1 PSO-BP预测模型与PSO-KELM预测模型 | 第31-35页 |
| 5.1.1 PSO-BP预测模型 | 第31-33页 |
| 5.1.2 粒子群优化核极限学习机预测模型（PSO‐KELM） | 第33-34页 |
| 5.1.3 预测结果对比 | 第34-35页 |
| 5.2 灰色马尔科夫预测模型 | 第35-37页 |
| 本章小结 | 第37-38页 |
| 总结和展望 | 第38-39页 |
| 总结 | 第38页 |
| 展望 | 第38-39页 |
| 参考文献 | 第39-41页 |
| 致谢 | 第41页 |