| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-13页 |
| 1.3.1 港口吞吐量预测方法的研究 | 第10-11页 |
| 1.3.2 港口吞吐量影响因素研究 | 第11-12页 |
| 1.3.3 研究综述 | 第12-13页 |
| 1.4 研究内容和技术路线图 | 第13-15页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 技术路线 | 第13-15页 |
| 第2章 连云港港发展现状与吞吐量影响因素分析 | 第15-22页 |
| 2.1 连云港港口发展现状 | 第15页 |
| 2.2 连云港港口吞吐量影响因素分析 | 第15-20页 |
| 2.2.1 宏观影响因素 | 第15-20页 |
| 2.2.2 微观影响因素 | 第20页 |
| 2.3 本章小结 | 第20-22页 |
| 第3章 常用港口吞吐量预测方法及实例分析 | 第22-30页 |
| 3.1 常用港口吞吐量预测方法 | 第22-23页 |
| 3.1.1 定性预测方法 | 第22页 |
| 3.1.2 定量预测方法 | 第22-23页 |
| 3.2 连云港港口吞吐量预测实例分析 | 第23-28页 |
| 3.2.1 基于三次指数平滑法的连云港港吞吐量的预测 | 第23-25页 |
| 3.2.2 基于一元回归预测法的连云港港吞吐量的预测 | 第25-28页 |
| 3.3 本章小结 | 第28-30页 |
| 第4章 基于BP神经网络的港口吞吐量预测 | 第30-41页 |
| 4.1 BP神经网络网络模型的构建 | 第30-35页 |
| 4.1.1 BP神经网络的原理 | 第30页 |
| 4.1.2 BP神经网络的结构和算法描述 | 第30-33页 |
| 4.1.3 BP神经网络的优点及局限性 | 第33-35页 |
| 4.2 基于BP神经网络的连云港港口吞吐量预测 | 第35-40页 |
| 4.2.1 数据说明 | 第35-36页 |
| 4.2.2 BP神经网络构建 | 第36-37页 |
| 4.2.3 BP神经网络算法实现 | 第37-40页 |
| 4.3 本章小结 | 第40-41页 |
| 第5章 遗传算法优化的BP神经网络在港口吞吐量预测中的应用 | 第41-49页 |
| 5.1 遗传算法 | 第41-43页 |
| 5.1.1 遗传算法的原理 | 第41页 |
| 5.1.2 遗传算法的流程 | 第41-43页 |
| 5.1.3 遗传算法的特点 | 第43页 |
| 5.2 基于遗传算法优化的BP神经网络算法实现 | 第43-48页 |
| 5.3 本章小结 | 第48-49页 |
| 第6章 结论和展望 | 第49-51页 |
| 6.1 结论 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 附录 | 第54-68页 |
