| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-19页 |
| 1.1 研究背景与问题提出 | 第8-9页 |
| 1.2 研究目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-16页 |
| 1.3.1 国外研究现状 | 第10-14页 |
| 1.3.2 国内研究现状 | 第14-16页 |
| 1.3.3 国内外研究现状评述 | 第16页 |
| 1.4 研究内容和研究方法 | 第16-19页 |
| 1.4.1 研究内容 | 第16-17页 |
| 1.4.2 研究方法 | 第17-19页 |
| 第2章 相关理论基础 | 第19-29页 |
| 2.1 神经网络原理 | 第19-24页 |
| 2.1.1 神经网络概述 | 第19-20页 |
| 2.1.2 神经网络学习过程 | 第20-21页 |
| 2.1.3 神经网络的基本特征及模型分类 | 第21-22页 |
| 2.1.4 神经网络学习算法 | 第22-24页 |
| 2.2 模糊控制原理 | 第24-28页 |
| 2.2.1 模糊化 | 第24-25页 |
| 2.2.2 模糊规则 | 第25-27页 |
| 2.2.3 模糊推理 | 第27页 |
| 2.2.4 清晰化 | 第27-28页 |
| 2.2.5 模糊控制器的设计 | 第28页 |
| 2.3 本章小结 | 第28-29页 |
| 第3章 模型构建与研究设计 | 第29-42页 |
| 3.1 模糊控制与神经网络的结合 | 第29-30页 |
| 3.2 ANFIS模糊神经网络 | 第30-32页 |
| 3.2.1 ANFIS网络结构 | 第30-32页 |
| 3.2.2 ANFIS的预测步骤 | 第32页 |
| 3.3 数据选取 | 第32-33页 |
| 3.3.1 样本选取 | 第32-33页 |
| 3.3.2 初始变量选取 | 第33页 |
| 3.4 数据处理 | 第33-35页 |
| 3.4.1 输入变量优化组合 | 第33-35页 |
| 3.4.2 数据的归一化 | 第35页 |
| 3.5 网络生成 | 第35-37页 |
| 3.5.1 传统划分法 | 第35-36页 |
| 3.5.2 减法聚类法 | 第36-37页 |
| 3.6 模型优化 | 第37-40页 |
| 3.6.1 遗传算法 | 第38页 |
| 3.6.2 基于GA的参数优化 | 第38-40页 |
| 3.7 组合模型设计 | 第40-41页 |
| 3.8 本章小结 | 第41-42页 |
| 第4章 实证分析 | 第42-55页 |
| 4.1 数据处理 | 第42-44页 |
| 4.1.1 数据选取 | 第42页 |
| 4.1.2 主成分分析 | 第42-44页 |
| 4.2 GA-ANFIS模型实证分析 | 第44-47页 |
| 4.3 GA-ANFIS模型与BP模型比较研究 | 第47-50页 |
| 4.3.1 BP神经网络 | 第47页 |
| 4.3.2 BP模型实证分析 | 第47-50页 |
| 4.3.3 预测效果对比分析 | 第50页 |
| 4.4 GA-ANFIS模型与时间序列模型比较研究 | 第50-53页 |
| 4.4.1 时间序列模型 | 第51-52页 |
| 4.4.2 平稳性检验 | 第52页 |
| 4.4.3 时间序列模型的识别 | 第52页 |
| 4.4.4 时间序列模型的检验 | 第52-53页 |
| 4.4.5 预测效果对比分析 | 第53页 |
| 4.5 本章小结 | 第53-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-62页 |
| 致谢 | 第62页 |