| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及研究的目的和意义 | 第8-10页 |
| 1.1.1 研究背景与问题提出 | 第8-9页 |
| 1.1.2 研究的目的和意义 | 第9-10页 |
| 1.2 应急物资需求预测国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容与方法 | 第12-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第2章 基于递归神经网络的时间序列预测模型研究 | 第15-31页 |
| 2.1 时间序列预测 | 第15-18页 |
| 2.1.1 时间序列预测的相关概念 | 第15-16页 |
| 2.1.2 时间序列预测的特点和条件 | 第16页 |
| 2.1.3 时间序列预测方法比较 | 第16-18页 |
| 2.2 递归神经网络的动态预测 | 第18-27页 |
| 2.2.1 BP 神经网络及预测的缺陷 | 第18-20页 |
| 2.2.2 递归神经网络实现动态预测 | 第20-21页 |
| 2.2.3 递归神经网络使用的算法 | 第21-26页 |
| 2.2.4 递归神经网络的泛化能力 | 第26-27页 |
| 2.3 基于递归神经网络的时间序列预测模型 | 第27-30页 |
| 2.3.1 时间序列预测与递归神经网络预测相结合 | 第27-29页 |
| 2.3.2 时间序列 DNN 用于地震死亡人数动态预测的合理性分析 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第3章 应急物资动态需求预测模型构建 | 第31-44页 |
| 3.1 模型构建方案 | 第31-33页 |
| 3.1.1 模型的选择 | 第31-32页 |
| 3.1.2 数据来源及处理方法 | 第32-33页 |
| 3.2 确定相似地震案例集 | 第33-36页 |
| 3.2.1 确定地震属性集 | 第33-34页 |
| 3.2.2 计算相似地震案例 | 第34-36页 |
| 3.3 地震死亡人数动态预测 | 第36-39页 |
| 3.3.1 准备训练样本集 | 第36-37页 |
| 3.3.2 隐层神经元数与输入输出节点数的确定 | 第37页 |
| 3.3.3 网络层数的确定 | 第37-38页 |
| 3.3.4 学习速率与网络各层激活函数的确定 | 第38-39页 |
| 3.3.5 构建基于递归神经网络的时间序列预测模型 | 第39页 |
| 3.4 引入仓库概念的物资需求公式 | 第39-42页 |
| 3.4.1 计算公式 | 第40-41页 |
| 3.4.2 参数设置 | 第41-42页 |
| 3.5 模型优势分析 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 案例分析 | 第44-55页 |
| 4.1 案例数据处理及参数设定 | 第44-48页 |
| 4.1.1 求解相似案例集 | 第44-46页 |
| 4.1.2 确定救援系数 | 第46-47页 |
| 4.1.3 确定预测步长 | 第47-48页 |
| 4.2 MATLAB 分析 | 第48-52页 |
| 4.2.1 Matlab 训练过程 | 第48-51页 |
| 4.2.2 预测结果分析 | 第51-52页 |
| 4.3 案例动态物资需求计算 | 第52-53页 |
| 4.4 本章小结 | 第53-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 附录 | 第61-64页 |
| 致谢 | 第64页 |