| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 选题背景及意义 | 第10-14页 |
| 1.1.1 选题背景 | 第10-12页 |
| 1.1.2 选题意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-17页 |
| 1.2.1 国外研究现状 | 第14-15页 |
| 1.2.2 国内研究现状 | 第15-17页 |
| 1.3 论文的内容及框架架构 | 第17-20页 |
| 1.3.1 论文内容 | 第17-19页 |
| 1.3.2 论文结构 | 第19-20页 |
| 第二章 阀门制造企业库存需求预测实施状况及库存需求特征分析 | 第20-31页 |
| 2.1 阀门制造企业库存需求预测实施状况 | 第20-23页 |
| 2.1.1 阀门制造企业库存需求预测理论应用状况 | 第20-22页 |
| 2.1.2 阀门制造企业库存需求预测水平状况 | 第22-23页 |
| 2.2 阀门制造企业库存需求特征分析 | 第23-30页 |
| 2.2.1 阀门制造企业库存需求影响因素分析 | 第23-28页 |
| 2.2.2 阀门制造企业库存需求量特点分析 | 第28-30页 |
| 2.3 本章小结 | 第30-31页 |
| 第三章 BP神经网络及其在库存需求预测中的优越性分析 | 第31-40页 |
| 3.1 BP神经网络 | 第31-34页 |
| 3.1.1 BP神经网络的基本原理及结构 | 第31-33页 |
| 3.1.2 BP神经网络的特点 | 第33-34页 |
| 3.2 BP神经网络在库存需求预测中的优越性分析 | 第34-39页 |
| 3.2.1 理论的先进性 | 第34-37页 |
| 3.2.2 实际操作的简便性 | 第37-39页 |
| 3.3 本章小结 | 第39-40页 |
| 第四章 BP神经网络实施前的实验准备及数据处理 | 第40-52页 |
| 4.1 实验准备 | 第40-41页 |
| 4.1.1 实验环境 | 第40-41页 |
| 4.1.2 数据来源 | 第41页 |
| 4.2 数据处理 | 第41-51页 |
| 4.2.1 数据清理 | 第42-44页 |
| 4.2.2 数据集成 | 第44-47页 |
| 4.2.3 数据变换 | 第47-49页 |
| 4.2.4 实验数据准备 | 第49-51页 |
| 4.3 本章小结 | 第51-52页 |
| 第五章 BP神经网络在某阀门制造企业库存需求预测中的案例应用研究 | 第52-72页 |
| 5.1 预测模型的实现 | 第52-62页 |
| 5.1.1 网络结构的初步确定 | 第52-53页 |
| 5.1.2 网络训练及结构的正式确定 | 第53-60页 |
| 5.1.3 网络测试 | 第60-62页 |
| 5.2 BP神经网络库存需求预测模型分析 | 第62-68页 |
| 5.2.1 模型预测准确度分析 | 第62-65页 |
| 5.2.2 模型灵敏度分析 | 第65-68页 |
| 5.3 预测模型分析结论及实施流程标准化 | 第68-71页 |
| 5.3.1 BP神经网络库存需求预测模型分析结论 | 第68-69页 |
| 5.3.2 BP神经网络库存预测模型实施流程标准化 | 第69-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 附录 | 第76-83页 |
| 学位论文数据集 | 第83页 |
