| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 选题背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 本文工作 | 第11-12页 |
| 1.4 章节安排 | 第12-13页 |
| 第2章 粒子群算法及其改进 | 第13-22页 |
| 2.1 粒子群算法优化思想 | 第13-14页 |
| 2.2 粒子群算法的数学模型 | 第14页 |
| 2.3 粒子群算法的流程 | 第14-16页 |
| 2.4 粒子群算法的不足 | 第16-17页 |
| 2.5 粒子群算法的改进 | 第17-18页 |
| 2.6 改进粒子群算法的仿真测试 | 第18-21页 |
| 2.7 本章小结 | 第21-22页 |
| 第3章 粒子群算法优化神经网络 | 第22-31页 |
| 3.1 人工神经元 | 第22-24页 |
| 3.1.1 人工神经元模型 | 第22-24页 |
| 3.1.2 神经元激活函数 | 第24页 |
| 3.2 BP神经网络 | 第24-28页 |
| 3.2.1 BP神经网络结构 | 第25-26页 |
| 3.2.2 BP学习算法 | 第26-27页 |
| 3.2.3 BP算法设计流程 | 第27-28页 |
| 3.2.4 BP神经网络的优点及其局限性 | 第28页 |
| 3.3 Elman神经网络 | 第28-29页 |
| 3.4 粒子群算法优化Elman神经网络的思路 | 第29-30页 |
| 3.5 优化算法的描述 | 第30页 |
| 3.6 本章小结 | 第30-31页 |
| 第4章 基于WCPSO-Elman NN的GDP预测 | 第31-38页 |
| 4.1 GDP的影响因素分析 | 第31页 |
| 4.2 基于WCPSO-Elman NN的GDP预测模型 | 第31-34页 |
| 4.2.1 模型的预测流程 | 第31-33页 |
| 4.2.2 模型的参数设定 | 第33-34页 |
| 4.3 预测实例 | 第34-35页 |
| 4.3.1 实验数据搜集 | 第34页 |
| 4.3.2 实验评价指标 | 第34-35页 |
| 4.3.3 实验结果 | 第35页 |
| 4.4 结果分析 | 第35-37页 |
| 4.5 本章小结 | 第37-38页 |
| 第5章 总结与展望 | 第38-40页 |
| 5.1 论文工作总结 | 第38-39页 |
| 5.2 下一步的工作 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第43-44页 |
| 致谢 | 第44页 |