摘要 | 第8-9页 |
ABSTRACT | 第9-10页 |
第一章 引言 | 第14-19页 |
1.1 研究背景及意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-17页 |
1.3 本文的研究内容 | 第17-19页 |
第二章 海产品市场分析 | 第19-27页 |
2.1 海产品市场结构 | 第19-22页 |
2.1.1 产量 | 第19-20页 |
2.1.2 海水产品供应特征 | 第20页 |
2.1.3 消费者特征 | 第20-21页 |
2.1.4 居民收入及其消费结构 | 第21-22页 |
2.2 海产品市场发展现状 | 第22-23页 |
2.3 海产品市场现存风险 | 第23-25页 |
2.3.1 国际经济环境风险 | 第23页 |
2.3.2 宏观经济风险 | 第23-24页 |
2.3.3 区域经济变化风险 | 第24页 |
2.3.4 国际贸易风险 | 第24-25页 |
2.4 影响海产品市场的主要因素 | 第25-27页 |
第三章 数据挖掘概述 | 第27-30页 |
3.1 数据挖掘介绍 | 第27页 |
3.2 数据挖掘建模过程 | 第27页 |
3.3 数据挖掘方法 | 第27-28页 |
3.4 数据挖掘模型在价格指数预测中运用 | 第28-29页 |
3.4.1 价格指数定义 | 第28页 |
3.4.2 价格指数预测方法 | 第28-29页 |
3.5 本文价格指数预测使用的方法 | 第29-30页 |
第四章 基于灰色关联度分析研究海产品价格指数的影响因素 | 第30-36页 |
4.1 灰色关联度分析 | 第30页 |
4.2 灰色系统、白色系统和黑色系统 | 第30页 |
4.3 影响海产品价格指数的因素 | 第30-34页 |
4.3.1 产品成本 | 第30-31页 |
4.3.2 需求因素 | 第31页 |
4.3.3 供给因素 | 第31-32页 |
4.3.4 竞争因素 | 第32-33页 |
4.3.5 金融货币 | 第33页 |
4.3.6 政治政策 | 第33-34页 |
4.4 海产品价格指数影响因素的关联度分析 | 第34-36页 |
第五章 灰色预测法在海产品价格指数预测模型中的应用 | 第36-40页 |
5.1 灰色预测GM(1,1)模型 | 第36页 |
5.2 海产品数据处理 | 第36页 |
5.3 新数据方程表示 | 第36-37页 |
5.4 海产品价格指数预测对比分析 | 第37-39页 |
5.5 海产品未来价格指数预测 | 第39-40页 |
第六章 BP神经网络模型在海产品价格指数预测中的应用 | 第40-54页 |
6.1 BP神经网络简介 | 第40-41页 |
6.2 BP算法基本思想 | 第41页 |
6.3 BP算法数学工具及流程 | 第41-47页 |
6.4 基于BP神经网络对舟山市海产品价格指数趋势预测模型仿真 | 第47-54页 |
6.4.1 价格指数数据的收集与预处理 | 第47页 |
6.4.2 确定BP神经网络结构 | 第47-48页 |
6.4.3 BP网络的建立 | 第48页 |
6.4.4 隐含层数的确定 | 第48页 |
6.4.5 输入输出层节点数的确定 | 第48-49页 |
6.4.6 学习速率以及其他参数的确定 | 第49页 |
6.4.7 隐含层节点个数的确定 | 第49页 |
6.4.8 误差分析 | 第49页 |
6.4.9 检验网络,sim输出仿真 | 第49-51页 |
6.4.10 训练效果分析 | 第51-52页 |
6.4.11 预测结果分析 | 第52-53页 |
6.4.12 BP神经网络预测未来价格指数 | 第53-54页 |
第七章 小波神经网络模型在海产品价格指数预测中的应用 | 第54-62页 |
7.1 小波神经网络简介 | 第54页 |
7.2 小波神经网络的分类 | 第54-55页 |
7.3 小波神经网络预测模型 | 第55-59页 |
7.3.1 小波神经网络预测模型结构 | 第55-56页 |
7.3.2 小波神经网络的算法 | 第56-58页 |
7.3.3 小波神经网络学习具体算法 | 第58-59页 |
7.4 实验数据的选取与预处理 | 第59页 |
7.5 小波神经网络训练 | 第59-62页 |
7.5.1 小波神经网络的学习速率以及其他参数的确定 | 第59页 |
7.5.2 小波神经网络模型预测结果对比分析 | 第59-60页 |
7.5.3 小波神经网络模型预测未来价格指数 | 第60-62页 |
第八章 三种模型在海产品价格指数预测中的对比研究 | 第62-65页 |
8.1 三种模型预测结果分析 | 第62-65页 |
8.1.1 灰色预测模型与BP神经网络模型比较分析 | 第63-64页 |
8.1.2 BP神经网络与小波神经网络模型比较分析 | 第64-65页 |
第九章 结论与展望 | 第65-67页 |
9.1 结论 | 第65-66页 |
9.2 展望 | 第66-67页 |
参考文献 | 第67-71页 |
致谢 | 第71-72页 |
在读期间发表的学术论文及研究成果 | 第72页 |