| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 汽车配件需求预测的国内外现状 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13页 |
| 1.4 论文章节安排 | 第13-15页 |
| 第2章 汽车配件需求预测系统需求分析与总体解决方案设计 | 第15-28页 |
| 2.1 汽车配件需求现状描述与分析 | 第15-18页 |
| 2.1.1 汽车配件供应链业务协作描述 | 第15-17页 |
| 2.1.2 汽车配件计划提交流程分析 | 第17-18页 |
| 2.2 汽车配件需求预测存在问题分析 | 第18-19页 |
| 2.3 件售后服务中的需求特点分析 | 第19-20页 |
| 2.4 汽车配件需求预测系统需求分析 | 第20-23页 |
| 2.4.1 功能需求分析 | 第20-21页 |
| 2.4.2 系统业务流程分析 | 第21-22页 |
| 2.4.3 系统数据需求分析 | 第22-23页 |
| 2.4.4 非功能需求分析 | 第23页 |
| 2.4.5 汽车配件预测系统的主要目标 | 第23页 |
| 2.5 汽车配件预测系统的总体解决方案及用例设计 | 第23-27页 |
| 2.5.1 系统总体解决方案 | 第23-24页 |
| 2.5.2 系统主要功能设计 | 第24-26页 |
| 2.5.3 系统用例设计 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 汽车配件需求预测模型分析与建立 | 第28-45页 |
| 3.1 汽车配件预测组合模型 | 第28-32页 |
| 3.1.1 现有预测方法分析 | 第28-29页 |
| 3.1.2 汽车配件需求预测方法的选择 | 第29-31页 |
| 3.1.3 建立汽车配件需求预测模型 | 第31-32页 |
| 3.2 灰色预测模型 | 第32-37页 |
| 3.2.1 灰色理论 | 第32-34页 |
| 3.2.2 多变量GM(1,N)模型 | 第34-37页 |
| 3.3 神经网络模型 | 第37-41页 |
| 3.3.1 神经网络基本原理 | 第37-39页 |
| 3.3.2 BP神经网络 | 第39-41页 |
| 3.4 需求预测模型的应用 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 汽车配件需求预测系统关键技术分析与实现 | 第45-54页 |
| 4.1 配件分类 | 第45-46页 |
| 4.2 配件与车型映射关系统计 | 第46-47页 |
| 4.3 故障率统计模型以及售后需求预测 | 第47-49页 |
| 4.4 数据集成技术 | 第49-53页 |
| 4.4.1 数据仓库理论 | 第49-50页 |
| 4.4.2 ETL实现 | 第50-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 汽车配件需求预测系统实现与应用 | 第54-67页 |
| 5.1 系统开发环境 | 第54页 |
| 5.2 系统总体架构设计 | 第54-55页 |
| 5.3 数据库设计 | 第55-59页 |
| 5.3.1 数据库概念设计 | 第55-57页 |
| 5.3.2 数据库逻辑设计 | 第57-59页 |
| 5.4 汽车配件需求预测模型的实现 | 第59-62页 |
| 5.4.1 预测模型的算法设计 | 第59-61页 |
| 5.4.2 预测模型的实现 | 第61-62页 |
| 5.5 关键功能实现及描述 | 第62-66页 |
| 5.5.1 数据抽取 | 第62-63页 |
| 5.5.2 分类管理 | 第63-64页 |
| 5.5.3 配件销售预测 | 第64-66页 |
| 5.5.4 配件计划建议 | 第66页 |
| 5.6 本章小结 | 第66-67页 |
| 总结与展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第73页 |