| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·论文选题背景 | 第9-10页 |
| ·论文研究意义 | 第10-11页 |
| ·论文研究内容 | 第11-12页 |
| ·论文的结构框架 | 第12-13页 |
| 2 相关技术发展及现状 | 第13-23页 |
| ·数据挖掘技术 | 第13-16页 |
| ·数据挖掘技术的产生与发展 | 第13-14页 |
| ·数据挖掘技术现状 | 第14-16页 |
| ·人工神经网络技术 | 第16-17页 |
| ·人工神经网络的产生与发展 | 第16-17页 |
| ·人工神经网络技术现状 | 第17页 |
| ·神经网络应用于数据挖掘的发展现状 | 第17-18页 |
| ·专家系统 | 第18-21页 |
| ·专家系统产生与发展 | 第18-19页 |
| ·专家系统现状 | 第19-21页 |
| ·小结 | 第21-23页 |
| 3 动态数据挖掘技术 | 第23-31页 |
| ·引言 | 第23页 |
| ·动态数据挖掘定义 | 第23-24页 |
| ·动态数据挖掘的体系结构 | 第24-25页 |
| ·动态数据挖掘过程 | 第25-29页 |
| ·动态数据采集(Dynamic Data Acquisition，DDA) | 第25-26页 |
| ·动态数据处理(Dynamic Data Processing，DDP) | 第26-28页 |
| ·数据挖掘与挖掘测试(Data Mining and Mining Testing，DM&MT) | 第28-29页 |
| ·小结 | 第29-31页 |
| 4 基于神经网络的动态预测研究 | 第31-67页 |
| ·引言 | 第31页 |
| ·神经网络预测模型 | 第31-37页 |
| ·神经网络预测模型基本描述 | 第31-32页 |
| ·几种神经网络预测模型 | 第32-36页 |
| ·几种神经网络预测模型的比较 | 第36-37页 |
| ·基于自回归神经网络的动态多维预测模型 | 第37-41页 |
| ·问题的提出 | 第37页 |
| ·基于RNN的DMDP模型结构 | 第37-41页 |
| ·神经网络预测模型学习算法 | 第41-51页 |
| ·BP算法 | 第42-44页 |
| ·改进的BP算法 | 第44-48页 |
| ·BP算法的改进 | 第48-51页 |
| ·自回归神经网络动态多维预测模型训练算法 | 第51-52页 |
| ·仿真实验分析 | 第52-66页 |
| ·单输入单步多维神经网络动态预测模型实验分析 | 第53-56页 |
| ·单输入多步多维神经网络动态预测模型实验分析 | 第56-60页 |
| ·多输入多步多维神经网络动态预测模型实验分析 | 第60-63页 |
| ·预测模型与并行递归自回归神经网络预测模型比较 | 第63-66页 |
| ·小结 | 第66-67页 |
| 5 动态数据挖掘其它应用 | 第67-73页 |
| ·引言 | 第67页 |
| ·专家系统的一般结构 | 第67-68页 |
| ·专家系统与动态数据挖掘结合 | 第68-69页 |
| ·动态关联规则挖掘 | 第69-72页 |
| ·定义 | 第70-71页 |
| ·算法分析 | 第71-72页 |
| ·小结 | 第72-73页 |
| 6 结论 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·后续研究工作及展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-85页 |
| 附录 | 第85-103页 |
