| 摘要 | 第1-6页 |
| Abstract | 第6-12页 |
| 引言 | 第12-14页 |
| 1 概述 | 第14-17页 |
| ·研究现状 | 第14-15页 |
| ·研究的目标与意义 | 第15页 |
| ·课题研究的主要内容 | 第15-16页 |
| ·神经网络应用于预测的理论基础 | 第15页 |
| ·基于神经网络的预测系统设计、开发与应用 | 第15-16页 |
| ·本文的组织结构 | 第16-17页 |
| 2 课题研究的相关概念、原理及采用的关键技术 | 第17-30页 |
| ·预测学简介[2][3][4] | 第17-19页 |
| ·预测过程 | 第17-18页 |
| ·预测技术分类 | 第18-19页 |
| ·人工神经网络理论基础及应用[6][7][9] | 第19-22页 |
| ·人工神经网络简介 | 第19-20页 |
| ·人工神经网络特点及应用 | 第20-22页 |
| ·线性回归分析原理简介[56][57] | 第22-23页 |
| ·回归分析概念 | 第22页 |
| ·一元线性回归模型 | 第22页 |
| ·多元线性回归模型 | 第22-23页 |
| ·线性回归预测 | 第23页 |
| ·课题研究采用的关键技术 | 第23-30页 |
| ·XML技术介绍 | 第23-24页 |
| ·COM技术概论[51][52] | 第24-25页 |
| ·.NET体系结构[49][50][51] | 第25-27页 |
| ·Web Services 理论基础及应用[49][50] | 第27-30页 |
| 3 神经网络的预测原理及预测算法设计 | 第30-40页 |
| ·BP神经网络理论基础[5]「6][7] | 第30-34页 |
| ·BP神经网络预测原理 | 第34-36页 |
| ·BP神经网络预测应用优势分析 | 第34-35页 |
| ·BP神经网络预测建模 | 第35-36页 |
| ·BP神经网络结构优化 | 第36-39页 |
| ·BP神经网络缺陷分析 | 第36页 |
| ·BP神经网络结构优化策略研究 | 第36-39页 |
| ·综合改进BP神经网络算法 | 第39-40页 |
| 4 基于Web方式神经网络预测系统分析与设计 | 第40-56页 |
| ·系统需求分析 | 第40-41页 |
| ·用户需求分析 | 第40页 |
| ·操作需求分析 | 第40页 |
| ·系统资源分配需求分析 | 第40页 |
| ·系统安全性能需求分析 | 第40-41页 |
| ·功能需求分析 | 第41-43页 |
| ·用户管理 | 第41页 |
| ·样本数据管理 | 第41页 |
| ·预测模型管理 | 第41-42页 |
| ·神经网络训练自学习和数据预测 | 第42页 |
| ·性能分析 | 第42页 |
| ·系统功能用例模型 | 第42-43页 |
| ·基于Web方式的神经网络预测系统设计 | 第43-56页 |
| ·系统架构设计 | 第43-46页 |
| ·基于BP神经网的预测算法设计 | 第46-47页 |
| ·系统流程设计 | 第47-48页 |
| ·系统程序开发组件结构设计 | 第48-49页 |
| ·系统XML数据文件设计 | 第49-53页 |
| ·系统安全设计 | 第53-55页 |
| ·系统资源分配设计 | 第55-56页 |
| 5 基于Web方式的神经网络预测系统实现与应用 | 第56-68页 |
| ·中国可持续发展能力预测模型介绍[29] | 第56-57页 |
| ·系统总框架 | 第57-58页 |
| ·用户管理 | 第58-59页 |
| ·样本管理 | 第59-60页 |
| ·样本管理 | 第59页 |
| ·上载样本 | 第59-60页 |
| ·模型管理 | 第60-64页 |
| ·模型管理 | 第60页 |
| ·创建模型 | 第60-64页 |
| ·神经网络训练 | 第64-67页 |
| ·选择预测模型和算法 | 第64页 |
| ·样本训练及样本检验结果 | 第64-66页 |
| ·数据预测 | 第66-67页 |
| ·多元线性回归预测 | 第67-68页 |
| 6 性能分析 | 第68-73页 |
| ·神经网络化理论概述 | 第68页 |
| ·训练样本质量和样本量对泛化能力的影响分析 | 第68-70页 |
| ·样本质量分析 | 第68-69页 |
| ·样本量分析 | 第69-70页 |
| ·网络结构复杂性对泛化能力的影响分析 | 第70-72页 |
| ·输入层变化性能分析 | 第70-71页 |
| ·隐层数目变化性能分析 | 第71-72页 |
| ·算法综合性能比较分析 | 第72-73页 |
| 7 总结及改进前景 | 第73-76页 |
| ·课题总结 | 第73-74页 |
| ·课题展望 | 第74-76页 |
| ·BP神经网络算法的进一步优化 | 第74-75页 |
| ·应用系统的进一步完善与扩充 | 第75-76页 |
| 参考文献 | 第76-80页 |
| 在学研究成果 | 第80-81页 |
| 致谢 | 第81页 |