| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-14页 |
| ·论文选题背景及研究意义 | 第7-8页 |
| ·论文选题背景 | 第7页 |
| ·论文研究目的及意义 | 第7-8页 |
| ·国内外研究现状 | 第8-12页 |
| ·传统中长期预测方法 | 第8-9页 |
| ·新兴中长期预测方法 | 第9-12页 |
| ·本文的研究内容及论文结构 | 第12-14页 |
| 第二章 中长期预测理论概述 | 第14-29页 |
| ·灰色预测理论 | 第14-16页 |
| ·灰色系统理论的原理要点 | 第14-15页 |
| ·灰色系统的建模机理 | 第15页 |
| ·传统GM(1,1)模型的建模过程 | 第15-16页 |
| ·马尔可夫链 | 第16-18页 |
| ·马尔可夫链的定义 | 第17页 |
| ·状态转移概率及其矩阵 | 第17-18页 |
| ·时间序列分析法 | 第18-21页 |
| ·指数平滑法 | 第18-19页 |
| ·自回归—移动平均模型 | 第19-20页 |
| ·回归分析法 | 第20-21页 |
| ·人工神经网络方法的原理 | 第21-27页 |
| ·生物神经网络的结构及功能特点 | 第22-24页 |
| ·人工神经元的结构及功能 | 第24-26页 |
| ·人工神经网络的分类 | 第26页 |
| ·人工神经网络的仿真 | 第26页 |
| ·人工神经网络的学习和训练 | 第26-27页 |
| ·组合预测法的基本原理 | 第27-28页 |
| ·组合预测基本概念 | 第27页 |
| ·组合预测的数学模型 | 第27-28页 |
| ·小结 | 第28-29页 |
| 第三章 基于灰色模型的中长期预测方法及其应用研究 | 第29-39页 |
| ·传统GM(1,1)模型的改进 | 第29-33页 |
| ·原始数据预处理 | 第29-30页 |
| ·传统GM(1,1)预测模型的无偏化处理 | 第30-31页 |
| ·对无偏GM(1,1)预测模型进行马尔柯夫链改进 | 第31-32页 |
| ·等维新息处理 | 第32-33页 |
| ·等维无偏递补GM(1,1)马尔科夫预测模型 | 第33-34页 |
| ·实例分析 | 第34-38页 |
| ·无偏GM(1,1)预测模型 | 第34-36页 |
| ·等维无偏GM(1,1)递补模型 | 第36页 |
| ·等维无偏递补GM(1,1)马尔科夫预测模型 | 第36-38页 |
| ·小结 | 第38-39页 |
| 第四章 基于ANN—ARIMA模型的中长期预测方法及其应用研究 | 第39-51页 |
| ·BP神经网络模型及改进 | 第39-42页 |
| ·BP网络的构造 | 第39-40页 |
| ·标准的BP算法 | 第40-42页 |
| ·改进的BP网络算法 | 第42页 |
| ·ANN-ARIMA模型的建立 | 第42-44页 |
| ·ARIMA模型及其建模原理 | 第42-43页 |
| ·改进的BP-ARIM模型 | 第43-44页 |
| ·实例分析 | 第44-50页 |
| ·ARIMA模型 | 第44-46页 |
| ·BP神经网络模型 | 第46-49页 |
| ·BP-ARIMA模型 | 第49-50页 |
| ·小结 | 第50-51页 |
| 第五章 基于组合预测模型的中长期预测方法及其应用研究 | 第51-58页 |
| ·等权平均组合预测法 | 第51-52页 |
| ·方差-协方差优选组合预测法 | 第52页 |
| ·最优组合预测法 | 第52-55页 |
| ·实例分析 | 第55-57页 |
| ·等权平均组合预测模型 | 第55页 |
| ·方差-协方差组合预测模型 | 第55-56页 |
| ·最优组合预测模型 | 第56-57页 |
| ·小结 | 第57-58页 |
| 第六章 结论与展望 | 第58-60页 |
| ·主要工作及研究成果 | 第58页 |
| ·需要进一步研究的问题 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 致谢 | 第66-67页 |
| 攻读学位期间主要研究成果 | 第67页 |