| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题背景及意义 | 第9-11页 |
| ·本文研究的意义、目标及主要内容 | 第11-13页 |
| 第二章 灰色预测模型 | 第13-33页 |
| ·灰色系统基本概述 | 第13-15页 |
| ·数据序列的预处理 | 第15-17页 |
| ·灰色预测常用的生成算子 | 第17-20页 |
| ·灰色模型原理 | 第20-27页 |
| ·灰色预测基本思想 | 第20-22页 |
| ·灰色预测的算法流程 | 第22-24页 |
| ·GM(1,1)模型的特征 | 第24-25页 |
| ·灰色预测的检验 | 第25-26页 |
| ·GM(1,1)模型的局限性 | 第26-27页 |
| ·灰色模型的改进 | 第27-29页 |
| ·优化初值的GM(1,1)模型 | 第27-28页 |
| ·无偏GM(1,1)模型 | 第28-29页 |
| ·灰色预测的应用实例 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第三章 神经网络模型原理 | 第33-43页 |
| ·人工神经网络概述 | 第33页 |
| ·神经网络的发展 | 第33-35页 |
| ·神经元模型 | 第35-37页 |
| ·神经元基本结构 | 第35-36页 |
| ·神经元激活函数 | 第36-37页 |
| ·神经网络的结构 | 第37页 |
| ·BP神经网络结构 | 第37-42页 |
| ·BP算法的原理 | 第38页 |
| ·BP算法的数学表达 | 第38-41页 |
| ·BP网络的缺陷 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 灰色神经网络模型原理 | 第43-61页 |
| ·灰色神经网络模型 | 第43-53页 |
| ·组合预测技术 | 第43-45页 |
| ·灰色预测和神经网络融合的原因 | 第45-47页 |
| ·灰色—神经网络混合预测模型 | 第47-49页 |
| ·灰色系统与神经网络的结合方式 | 第49-53页 |
| ·一阶灰色神经网络模型GNNM(1,1) | 第53-60页 |
| ·一阶灰色神经网络模型GNNM(1,1)的建立 | 第54-56页 |
| ·一阶灰色神经网络模型GNNM(1,1)的学习算法 | 第56-58页 |
| ·灰色神经网络模型的应用实例 | 第58-59页 |
| ·灰色神经网络模型的缺陷 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 模型比较和总结 | 第61-63页 |
| ·三种模型的比较 | 第61页 |
| ·总结 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |