| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景及意义 | 第7-9页 |
| ·灰色系统理论研究现状 | 第7-8页 |
| ·神经网络理论研究现状 | 第8页 |
| ·灰色系统与神经网络组合预测研究现状 | 第8-9页 |
| ·研究的目的和意义 | 第9-10页 |
| ·本文研究内容和组织结构 | 第10-11页 |
| ·研究内容 | 第10页 |
| ·本文的结构安排 | 第10-11页 |
| ·本章小结 | 第11-13页 |
| 第二章 基于灰色理论的灰色预测模型 | 第13-23页 |
| ·灰色系统概述 | 第13-17页 |
| ·灰色系统的发展 | 第14-16页 |
| ·灰色系统建模理论 | 第16页 |
| ·灰色预测模型 | 第16-17页 |
| ·灰色GM(1,1)预测模型 | 第17-19页 |
| ·GM(1,1)模型的基本形式 | 第17-18页 |
| ·GM(1,1)模型的适用范围 | 第18-19页 |
| ·灰色Verhulst预测模型 | 第19-21页 |
| ·Verhulst模型的基本形式 | 第19-20页 |
| ·Verhulst模型的适用范围 | 第20-21页 |
| ·本章小结 | 第21-23页 |
| 第三章 BP神经网络的基本理论 | 第23-33页 |
| ·神经网络概述 | 第23-24页 |
| ·神经网络的发展 | 第23-24页 |
| ·神经网络的特征 | 第24页 |
| ·神经网络的结构和分类 | 第24-27页 |
| ·神经网络的结构 | 第24-26页 |
| ·神经网络的分类 | 第26-27页 |
| ·BP误差反向传播神经网络 | 第27-32页 |
| ·BP神经网络的基本结构 | 第27-28页 |
| ·BP神经网络的学习算法 | 第28-30页 |
| ·BP神经网络的算法步骤和计算流程 | 第30-32页 |
| ·BP神经网络的的优缺点 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 灰色GM-BP网络组合预测模型的构建及应用 | 第33-43页 |
| ·灰色GM(1,1)模型与BP神经网络预测技术的融合 | 第33-34页 |
| ·组合预测方法的简介 | 第33页 |
| ·组合预测模型的优势 | 第33-34页 |
| ·利用灰色GM(1,1)模型与BP神经网络进行组合预测的优势 | 第34页 |
| ·GM-BP1组合预测模型的提出和建立 | 第34-36页 |
| ·GM-BP1组合预测模型的建模思想 | 第34-35页 |
| ·GM-BP1组合预测模型的建模过程 | 第35-36页 |
| ·GM-BP2组合预测模型的提出和建立 | 第36-37页 |
| ·GM-BP2组合预测模型的建模思想 | 第36页 |
| ·GM-BP2组合预测模型的建模步骤 | 第36-37页 |
| ·应用实例及对比分析 | 第37-41页 |
| ·灰色GM-BP1组合模型在城市用水量预测中的应用 | 第38-39页 |
| ·灰色GM-BP2组合模型在城市用水量预测中的应用 | 第39-40页 |
| ·两种组合预测模型的结果比较 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 灰色VERHULST-BP网络组合预测模型的构建及应用 | 第43-55页 |
| ·Verhulst-BP组合预测模型的提出和建立 | 第43-45页 |
| ·Verhulst-BP组合预测模型的建模思想 | 第43-45页 |
| ·Verhulst-BP组合预测模型的建模步骤 | 第45页 |
| ·应用实例及对比分析 | 第45-54页 |
| ·Verhulst-BP组合模型在鱼雷研制费用预测中的应用 | 第45-50页 |
| ·Verhulst-BP组合模型在落叶松纯林林分蓄洪量预测中的应用 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 结束语 | 第55-57页 |
| ·本文总结 | 第55-56页 |
| ·研究展望 | 第56-57页 |
| 致谢 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士期间主要的研究成果 | 第63页 |
