基于EMD-BP神经网络方法的铀资源产品价格预测研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 缩略语说明 | 第11-12页 |
| 1 绪论 | 第12-16页 |
| 1.1 选题背景与研究意义 | 第12-13页 |
| 1.1.1 选题背景 | 第12页 |
| 1.1.2 选题意义 | 第12-13页 |
| 1.2 研究思路、研究方法 | 第13页 |
| 1.3 可能的创新点及不足 | 第13-16页 |
| 1.3.1 文章的创新点 | 第13-14页 |
| 1.3.2 文章的不足 | 第14-16页 |
| 2 时间序列预测方法的国内外研究发展概况 | 第16-20页 |
| 2.1 简单的线性预测方法 | 第16-17页 |
| 2.2 一般的非线性预测方法 | 第17-18页 |
| 2.3 现代人工智能预测方法 | 第18-20页 |
| 3 EMD-BP神经网络预测方法 | 第20-28页 |
| 3.1 EMD(经验模态分解)理论 | 第20-21页 |
| 3.1.1 经验模态分解理论 | 第20页 |
| 3.1.2 EMD算法 | 第20-21页 |
| 3.2 BP神经网络预测方法的相关理论 | 第21-26页 |
| 3.2.1 BP神经网络简介 | 第21-22页 |
| 3.2.2 神经网络的基本原理 | 第22-23页 |
| 3.2.3 BP神经网络在价格预测中的适用性 | 第23-24页 |
| 3.2.4 BP神经网络的学习过程 | 第24-26页 |
| 3.4 EMD-BP方法结合应用的实现 | 第26-28页 |
| 4 基于EMD方法的天然铀价格波动特征分析 | 第28-38页 |
| 4.1EMD分解过程 | 第28-31页 |
| 4.1.1 数据来源 | 第28页 |
| 4.1.2 EDM经验模态分解 | 第28-31页 |
| 4.2 EMD分解结果分析 | 第31-35页 |
| 4.2.1 长期趋势 | 第32-33页 |
| 4.2.2 重大事件影响 | 第33-35页 |
| 4.2.3 短期市场不均衡 | 第35页 |
| 4.3 本章小结 | 第35-38页 |
| 5 基于EMD-BP神经网络方法的铀资源价格预测 | 第38-46页 |
| 5.1 预测数据的非平稳性检验 | 第38-39页 |
| 5.2 BP神经网络模型构建 | 第39-41页 |
| 5.2.1 BP神经网络及输出神经元的确定 | 第39页 |
| 5.2.2 网络层数的确定 | 第39-40页 |
| 5.2.3 隐含层节点数 | 第40页 |
| 5.2.4 网络隐层参数的确定 | 第40-41页 |
| 5.3 网络程序的设计 | 第41页 |
| 5.4 网络的训练过程与结果分析 | 第41-44页 |
| 5.5 本章小结 | 第44-46页 |
| 6 结论及展望 | 第46-50页 |
| 6.1 本文研究成果 | 第46页 |
| 6.2 本文的创新之处 | 第46-47页 |
| 6.3 本文的改进建议 | 第47页 |
| 6.4 本文的工作展望 | 第47-50页 |
| 致谢 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 附录A | 第56-57页 |
| 附录B | 第57-58页 |
| 附录C | 第58-60页 |
| 附录D | 第60-61页 |
| 攻读硕士学位期间的主要科研活动和成果 | 第61页 |
