| 第1章 绪论 | 第7-12页 |
| 1.1 问题的提出 | 第7-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文研究的主要内容、意义和结构安排 | 第10-12页 |
| 1.3.1 主要研究内容 | 第10-11页 |
| 1.3.2 研究意义 | 第11页 |
| 1.3.3 文章结构 | 第11-12页 |
| 第2章 时间序列的性质 | 第12-23页 |
| 2.1 时间序列的概述 | 第12-14页 |
| 2.1.1 时间序列的预报 | 第12-14页 |
| 2.2 时间序列的相关内容简介 | 第14-16页 |
| 2.2.1 基本统计概念及专业术语 | 第14-15页 |
| 2.2.2 平稳时间序列 | 第15-16页 |
| 2.3 随机模型及其预报 | 第16-21页 |
| 2.3.1 后移算子的定义 | 第17页 |
| 2.3.2 线性平稳模型 | 第17-19页 |
| 2.3.3 线性非平稳模型 | 第19-20页 |
| 2.3.4 经典时间序列建模的一般步骤 | 第20-21页 |
| 2.4 常用非线性模型 | 第21-23页 |
| 第3章 前向型神经网络理论 | 第23-30页 |
| 3.1 前向型神经网络 | 第23-30页 |
| 3.1.1 BP网络结构 | 第24-25页 |
| 3.1.2 BP算法的数学描述 | 第25-28页 |
| 3.1.3 BP网络中的神经元模型 | 第28页 |
| 3.1.4 BP网络的训练过程 | 第28-30页 |
| 第4章 时间序列与神经网络 | 第30-37页 |
| 4.1 BP网络的学习过程 | 第30-33页 |
| 4.1.1 BP网络各层间的函数权值转换关系 | 第30-31页 |
| 4.1.2 层与层间的激发函数选择 | 第31-32页 |
| 4.1.3 可加噪声系统 | 第32-33页 |
| 4.2 神经网络结构模型及实例分析 | 第33-37页 |
| 4.2.1 BP神经网络结构模型 | 第33-34页 |
| 4.2.2 实例分析 | 第34-37页 |
| 第5章 BP网络的时间序列预测研究 | 第37-49页 |
| 5.1 BP网络时间序列预测 | 第37-39页 |
| 5.1.1 选择数据 | 第37-38页 |
| 5.1.2 实验方案 | 第38-39页 |
| 5.1.3 误差评比标准 | 第39页 |
| 5.2 实验报表分析 | 第39-49页 |
| 5.2.1 样本数对预测误差的影响分析 | 第40-41页 |
| 5.2.2 输入层和隐藏层节点数对预测误差的影响分析 | 第41-45页 |
| 5.2.3 两种预测模型的优劣比较 | 第45-49页 |
| 结论 | 第49-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文 | 第54页 |