| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·预测概述 | 第7-9页 |
| ·预测的概念 | 第7页 |
| ·预测的程序 | 第7-8页 |
| ·预测效果的评价 | 第8-9页 |
| ·组合预测方法概述 | 第9-12页 |
| ·组合预测的提出 | 第9-10页 |
| ·组合预测的基本思想与基本模型 | 第10-11页 |
| ·组合预测的发展概况 | 第11-12页 |
| ·本文主要目的与研究内容 | 第12-13页 |
| ·小结 | 第13-14页 |
| 2 灰色系统基本理论 | 第14-22页 |
| ·灰色系统概述 | 第14页 |
| ·灰色系统的基本原理 | 第14-15页 |
| ·灰色预测方法 | 第15-21页 |
| ·GM(1，1)预测模型 | 第15-17页 |
| ·GM(1，1)模型的适用范围 | 第17页 |
| ·GM(1，1)模型的检验 | 第17-19页 |
| ·改进的GM(1，1) | 第19-21页 |
| ·小结 | 第21-22页 |
| 3 人工神经网络预测模型 | 第22-29页 |
| ·人工神经网络简介 | 第22-24页 |
| ·人工神经元模型 | 第22-24页 |
| ·人工神经网络的结构和学习规则 | 第24页 |
| ·BP误差反向传播神经网络 | 第24-28页 |
| ·BP神经网络基本结构模型 | 第24-25页 |
| ·BP神经网络学习算法 | 第25-26页 |
| ·BP网络的优点、缺点及改进 | 第26-27页 |
| ·改进的BP网络算法 | 第27-28页 |
| ·小结 | 第28-29页 |
| 4 TGMA(1，1)的构建及其应用 | 第29-42页 |
| ·引论 | 第29页 |
| ·时间序列分析 | 第29-35页 |
| ·随机时序分析模型 | 第29-30页 |
| ·模型识别 | 第30-33页 |
| ·参数估计 | 第33-35页 |
| ·模型检验 | 第35页 |
| ·TGMA(1，1)组合模型的建立 | 第35-41页 |
| ·TGMA(1，1)的建模步骤 | 第35-36页 |
| ·实例分析 | 第36-41页 |
| ·小结 | 第41-42页 |
| 5 基于灰色理论与BP神经网络的组合预测模型的构建及其应用 | 第42-57页 |
| ·灰色预测和人工神经网络预测技术的互补性 | 第42-43页 |
| ·灰色神经网络组合模型的建立 | 第43-45页 |
| ·中国能源消费的灰色神经网络组合预测 | 第45-56页 |
| ·中国能源消费的特征 | 第45页 |
| ·“能源消费量”的灰性 | 第45页 |
| ·能源消费量与影响因素的灰关联分析 | 第45-48页 |
| ·中国能源消费的组合预测 | 第48-56页 |
| ·小结 | 第56-57页 |
| 6 结论 | 第57-58页 |
| ·主要研究内容及成果 | 第57页 |
| ·需要进一步研究的问题 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 在校期间发表论文及奖励 | 第64页 |