| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·课题提出背景及意义 | 第7-8页 |
| ·时间序列数据挖掘 | 第8-12页 |
| ·销售历史数据研究 | 第8-9页 |
| ·时序数据与时序分析 | 第9-10页 |
| ·基于时间序列数据的数据挖掘 | 第10-12页 |
| ·销售预测研究进展 | 第12页 |
| ·本文的研究内容和目标 | 第12-13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 时间序列预测技术的研究综述 | 第14-19页 |
| ·时间序列趋势分析 | 第14-15页 |
| ·基于统计的时间序列预测 | 第15-17页 |
| ·移动平均法 | 第15页 |
| ·加权移动平均法 | 第15页 |
| ·指数平滑法 | 第15-16页 |
| ·线性回归法 | 第16-17页 |
| ·非线性时间序列的神经网络预测 | 第17-18页 |
| ·统计方法与神经网络比较 | 第18-19页 |
| 第三章 时间序列的人工神经网络预测模型 | 第19-37页 |
| ·人工神经网络 | 第19-22页 |
| ·人工神经网络的概念 | 第20-21页 |
| ·人工神经网络的结构 | 第21页 |
| ·人工神经网络的训练 | 第21-22页 |
| ·BP 网络 | 第22-29页 |
| ·BP 算法的原理 | 第23-24页 |
| ·算法的训练过程 | 第24-26页 |
| ·基本BP 算法描述 | 第26-27页 |
| ·销量预测的BP 网络的结构设计 | 第27-29页 |
| ·RBF 网络 | 第29-33页 |
| ·RBF 网络结构 | 第29-30页 |
| ·RBF 网络训练过程 | 第30-32页 |
| ·RBF 学习算法分类 | 第32页 |
| ·销量预测的RBF 网络的结构设计 | 第32-33页 |
| ·基于进化差分的神经网络 | 第33-37页 |
| ·进化算法 | 第34-35页 |
| ·差分进化算法 | 第35页 |
| ·基于差分进化的BP 网络学习算法 | 第35-37页 |
| 第四章 基于最小二乘准则的复合模型 | 第37-40页 |
| ·曲线拟合的最小二乘准则 | 第37-38页 |
| ·最小二乘估计量的性质 | 第38页 |
| ·基于最小二乘准则的复合神经网络预测模型 | 第38-40页 |
| 第五章 汽车配件销售预测实验系统的设计与实现 | 第40-45页 |
| ·系统目标与说明 | 第40页 |
| ·实验系统的数据选择和转换 | 第40-41页 |
| ·系统功能结构的初步设计与实现 | 第41-45页 |
| 第六章 试验结果与分析 | 第45-53页 |
| ·RBF、BP 和DE_BP 网络预测模型试验结果与分析 | 第45-46页 |
| ·HANNFM 预测模型试验结果与分析 | 第46-53页 |
| 第七章 总结与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 附录A 攻读硕士期间发表的文章和参加的项目 | 第58页 |