| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 理论意义 | 第9-10页 |
| 1.1.2 实用价值 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 灰色预测理论研究现状 | 第10-11页 |
| 1.2.2 神经网络系统理论研究现状 | 第11-12页 |
| 1.2.3 灰色神经网络理论研究现状 | 第12-13页 |
| 1.3 研究内容和技术路线 | 第13-17页 |
| 1.3.1 研究内容 | 第13-15页 |
| 1.3.2 技术路线 | 第15-17页 |
| 2 基于优选序列的灰色神经网络预测模型 | 第17-23页 |
| 2.1 预备知识 | 第17-19页 |
| 2.1.1 GM(1,1)模型 | 第17-18页 |
| 2.1.2 BP神经网络模型 | 第18-19页 |
| 2.2 基于优选序列的SGMBP(1,1)预测模型构建 | 第19-20页 |
| 2.3 实例分析 | 第20-22页 |
| 2.4 小结 | 第22-23页 |
| 3 非等间距灰色神经网络预测模型 | 第23-31页 |
| 3.1 预备知识 | 第23-27页 |
| 3.1.1 传统非等间距GM(1,1)模型 | 第23-24页 |
| 3.1.2 非等间距GMP(1,1,N)模型构建 | 第24-27页 |
| 3.2 非等间距GMPBP(1,1)模型构建 | 第27页 |
| 3.3 实例分析 | 第27-29页 |
| 3.4 小结 | 第29-31页 |
| 4 多变量灰色神经网络预测模型 | 第31-39页 |
| 4.1 预备知识 | 第31-32页 |
| 4.1.1 GM(0,N)模型 | 第31-32页 |
| 4.1.2 三参数区间灰数序列 | 第32页 |
| 4.2 BPSGM(0,N)预测模型构建 | 第32-33页 |
| 4.2.1 SGM(0,N)预测模型构建 | 第32-33页 |
| 4.2.2 BPSGM(0,N)模型构建 | 第33页 |
| 4.3 实例分析 | 第33-37页 |
| 4.3.1 BPSGM(0,N)模型建模及预测结果 | 第34-35页 |
| 4.3.2 误差检验 | 第35-36页 |
| 4.3.3 情景预测 | 第36-37页 |
| 4.4 小结 | 第37-39页 |
| 5 结论与展望 | 第39-41页 |
| 5.1 结论 | 第39页 |
| 5.2 展望 | 第39-41页 |
| 攻读学位期间参加的科研项目及发表的学术论文 | 第41-43页 |
| 致谢 | 第43-45页 |
| 参考文献 | 第45-48页 |