RBF网络在时间序列预测中的应用研究
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-15页 |
| ·论文的研究背景及意义 | 第9-10页 |
| ·国内外发展现状 | 第10-13页 |
| ·本文所做的工作 | 第13-14页 |
| ·本文结构和组织 | 第14-15页 |
| 第2章 时间序列预测基本理论 | 第15-21页 |
| ·时间序列预测概述 | 第15-16页 |
| ·时间序列预测的相关概念 | 第15-16页 |
| ·时间序列预测特点及条件 | 第16页 |
| ·时间序列的预测方法 | 第16-17页 |
| ·时间序列预测模型 | 第17-20页 |
| ·自回归模型 | 第17-18页 |
| ·滑动平均模型 | 第18页 |
| ·自回归滑动平均模型 | 第18-19页 |
| ·神经网络模型方法 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 径向基函数网络及其改进 | 第21-41页 |
| ·RBF网络的理论基础 | 第21-24页 |
| ·RBF网络的模型结构 | 第21-23页 |
| ·RBF网络模型的特点 | 第23-24页 |
| ·RBF网络原理 | 第24-26页 |
| ·径向基函数与插值问题 | 第24-25页 |
| ·正则化网络 | 第25-26页 |
| ·RBF网络学习算法 | 第26-32页 |
| ·RBF网络中心的确定 | 第27-28页 |
| ·RBF网络宽度的确定 | 第28-29页 |
| ·常用的RBF网络学习算法 | 第29-32页 |
| ·RBF网络算法改进 | 第32-38页 |
| ·构造RBF网络的方法 | 第32-33页 |
| ·RBF网络算法的不足及改进 | 第33-34页 |
| ·RBF网络的改进算法 | 第34-38页 |
| ·实验验证 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 RBF网络在社保收入预测中的应用 | 第41-62页 |
| ·社会养老保险基金的影响因素 | 第41-42页 |
| ·基于精算学的社保基金收入的预测模型 | 第42-47页 |
| ·现收现付制下的社保基金收入模型 | 第43-44页 |
| ·完全积累制下的社保基金收入模型 | 第44-45页 |
| ·部分积累制下的社保基金收入模型 | 第45-47页 |
| ·BP网络预测模型 | 第47-48页 |
| ·BP网络学习过程 | 第47页 |
| ·BP网络学习算法 | 第47-48页 |
| ·基于改进遗传算法优化BP网络的社保基金收入预测 | 第48页 |
| ·基于改进RBF网络算法的社保基金收入预测 | 第48-61页 |
| ·输入向量的确定 | 第48-50页 |
| ·样本数据的处理 | 第50-52页 |
| ·预测模型设计 | 第52-56页 |
| ·结果分析 | 第56-57页 |
| ·几种预测模型的比较 | 第57-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间发表的论文及参加的项目 | 第68-69页 |
| 致谢 | 第69页 |
