| 第一章 灰色系统理论概述 | 第1-19页 |
| §1．1 概述 | 第6-9页 |
| 1．1．1 灰色系统理论产生及其发展现状 | 第6-7页 |
| 1．1．2 灰色系统理论基本内容 | 第7-8页 |
| 1．1．3 本文研究主要内容 | 第8-9页 |
| §1．2 基本概念 | 第9-14页 |
| 1．2．1 序列算子 | 第9-11页 |
| 1．2．2 序列光滑条件 | 第11-12页 |
| 1．2．3 灰指数规律 | 第12-14页 |
| §1．3 灰色建模理论 | 第14-18页 |
| 1．3．1 灰色GM（n,h）模型 | 第14-16页 |
| 1．3．2 灰色模型适用场合 | 第16-17页 |
| 1．3．3 数据预处理 | 第17-18页 |
| §1．4 本章小节 | 第18-19页 |
| 第二章 灰色关联与聚类 | 第19-37页 |
| §2．1 关联基本概念 | 第19-21页 |
| §2．2 绝对值关联度和点关联度 | 第21-23页 |
| §2．3 使用正、负、零关联度进行关联分析 | 第23-28页 |
| 2．3．1 正、负、零关联度分析实例 | 第23-25页 |
| 2．3．2 数据平移的关联分析 | 第25-27页 |
| 2．3．3 使用正、负、零关联度进行关联分析的优点 | 第27-28页 |
| §2．4 整体关联分析 | 第28-29页 |
| §2．5 整体关联度应用实例 | 第29-30页 |
| §2．6 灰色聚类方法概述 | 第30-31页 |
| §2．7 改进灰色聚类方法 | 第31-36页 |
| 2．7．1 改进灰色聚类方法的步骤 | 第31-33页 |
| 2．7．2 实例分析 | 第33-35页 |
| 2．7．3 改进灰色聚类方法的优点 | 第35-36页 |
| §2．8 本章小结 | 第36-37页 |
| 第三章 灰色预测 | 第37-55页 |
| §3．1 灰色预测分类 | 第37-38页 |
| §3．2 GM（1，1）模型基本原理 | 第38-40页 |
| §3．3 GM（1，1）模型的检验 | 第40-41页 |
| §3．4 GM（1，1）模型的预测步骤 | 第41-42页 |
| §3．5 几种GM（1，1）模型 | 第42-44页 |
| §3．6 GM（1，1）模型的改进 | 第44-49页 |
| 3．6．1 GM（1，1）模型改进的必要性 | 第44-45页 |
| 3．6．2 对GM（1，1）模型的改进 | 第45-49页 |
| 3．6．3 小结 | 第49页 |
| §3．7 GM（1，1）模型与神经网络的结合 | 第49-54页 |
| 3．7．1 几种灰色组合模型介绍 | 第49-50页 |
| 3．7．2 组合灰色神经网络预测模型 | 第50-51页 |
| 3．7．3 组合灰色神经网络模型预测的步骤 | 第51页 |
| 3．7．4 应用实例 | 第51-54页 |
| §3．8 本章小结 | 第54-55页 |
| 第四章 实例应用 | 第55-62页 |
| §4．1 闽宁优势分析背景 | 第55-56页 |
| §4．2 灰色关联分析的应用 | 第56-59页 |
| §4．3 灰色预测的应用 | 第59-61页 |
| §4．4 本章小节 | 第61-62页 |
| 第五章 总结 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |