| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景与意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8-9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 研究内容与方法 | 第10-11页 |
| 1.2.1 研究内容 | 第10-11页 |
| 1.2.2 研究方法 | 第11页 |
| 1.3 论文的创新之处 | 第11-12页 |
| 1.4 研究框架 | 第12-14页 |
| 2 文献综述 | 第14-22页 |
| 2.1 审计意见预测的相关研究 | 第14-17页 |
| 2.2 审计意见影响因素的相关研究 | 第17-20页 |
| 2.3 灰色理论与神经网络在预测领域的应用现状 | 第20页 |
| 2.4 文献述评 | 第20-22页 |
| 3 理论基础 | 第22-28页 |
| 3.1 灰色系统理论 | 第22-24页 |
| 3.2 BP神经网络理论 | 第24-25页 |
| 3.3 灰色系统理论与BP神经网络的融合 | 第25-28页 |
| 4 基于灰色神经网络的审计意见预测模型构建与实证分析 | 第28-48页 |
| 4.1 样本选取 | 第28-29页 |
| 4.2 预测指标选取 | 第29-34页 |
| 4.2.1 审计意见影响因素分析 | 第29-32页 |
| 4.2.2 预测指标的初步选取 | 第32-34页 |
| 4.3 预测指标的筛选 | 第34-36页 |
| 4.4 BP神经网络模型的建立 | 第36-43页 |
| 4.4.1 BP神经网络初始化 | 第36-37页 |
| 4.4.2 BP神经网络的训练与回判仿真 | 第37-41页 |
| 4.4.3 BP神经网络检验及模型对比分析 | 第41-43页 |
| 4.5 基于灰色神经网络模型的审计意见预测 | 第43-48页 |
| 4.5.1 灰色GM（1，1）数据处理 | 第44页 |
| 4.5.2 审计意见预测及结果分析 | 第44-48页 |
| 5 结论 | 第48-52页 |
| 5.1 研究结论 | 第48-49页 |
| 5.2 研究局限性 | 第49页 |
| 5.3 未来展望 | 第49-52页 |
| 致谢 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第58页 |