| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容与技术路线 | 第14-16页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 技术路线 | 第15-16页 |
| 第2章 化肥价格预测基本理论和方法分析 | 第16-26页 |
| 2.1 化肥价格的影响因素和预测难点 | 第16-17页 |
| 2.2 化肥价格预测常用方法 | 第17-23页 |
| 2.2.1 传统的计量经济学方法 | 第18-19页 |
| 2.2.2 BP神经网络预测方法 | 第19-22页 |
| 2.2.3 支持向量机预测方法 | 第22-23页 |
| 2.4 算法分析 | 第23-26页 |
| 第3章 LSTM神经网络算法分析与改进 | 第26-34页 |
| 3.1 循环神经网络 | 第26-28页 |
| 3.2 长短期记忆神经网络 | 第28-29页 |
| 3.3 LSTM训练优化方法 | 第29-32页 |
| 3.3.1 梯度下降 | 第30页 |
| 3.3.2 反向传播算法 | 第30-31页 |
| 3.3.3 时序反向传播算法 | 第31-32页 |
| 3.4 LSTM神经网络模型的优点及改进 | 第32-34页 |
| 3.4.1 LSTM神经网络的优点 | 第32-33页 |
| 3.4.2 LSTM神经网络的改进 | 第33-34页 |
| 第4章 基于改进的LSTM算法的实验仿真 | 第34-48页 |
| 4.1 数据来源与说明 | 第34-39页 |
| 4.2 数据预处理 | 第39-42页 |
| 4.2.1 数据统计分析 | 第39-40页 |
| 4.2.2 数据清洗 | 第40-41页 |
| 4.2.3 问题转换 | 第41-42页 |
| 4.3 化肥价格预测模型的构建 | 第42-48页 |
| 4.3.1 模型构建 | 第42-43页 |
| 4.3.2 模型训练 | 第43-48页 |
| 第5章 实验结果分析与模型应用 | 第48-56页 |
| 5.1 化肥价格预测模型结果分析 | 第48-51页 |
| 5.2 实验结果对比分析 | 第51页 |
| 5.3 改进型LSTM模型在化肥价格信息系统中的应用 | 第51-56页 |
| 5.3.1 系统架构 | 第52-53页 |
| 5.3.2 系统功能模块 | 第53-54页 |
| 5.3.3 系统实现 | 第54-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 未来工作展望 | 第57-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-64页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第64页 |