| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·组合预测模型 | 第10-11页 |
| ·组合预测模型及应用前景 | 第10页 |
| ·组合预测模型的研究现状 | 第10-11页 |
| ·时间序列分析 | 第11-13页 |
| ·时间序列分析的来源 | 第11-12页 |
| ·时间序列预测的国内外发展 | 第12-13页 |
| ·人工神经网络的发展概况 | 第13-15页 |
| ·人工神经网络的发展简史 | 第13-14页 |
| ·我国的研究状况 | 第14-15页 |
| ·灰色理论的发展 | 第15-16页 |
| ·灰色系统理论的产生与发展 | 第15-16页 |
| ·灰色预测方法与发展动态 | 第16页 |
| ·研究本课题的目的和意义 | 第16-17页 |
| ·论文的主要研究内容 | 第17-18页 |
| 第2章 预备知识 | 第18-28页 |
| ·时间序列 | 第18页 |
| ·平稳时间序列 | 第18-19页 |
| ·平稳时间序列的性质 | 第19-21页 |
| ·自相关函数的性质 | 第19-20页 |
| ·白噪声检验 | 第20-21页 |
| ·平稳时间序列的模型 | 第21-24页 |
| ·AR 模型 | 第21-22页 |
| ·MA 模型 | 第22页 |
| ·ARMA 模型 | 第22-23页 |
| ·ARIMA 模型 | 第23-24页 |
| ·模型识别 | 第24-26页 |
| ·AR 模型的识别 | 第24-25页 |
| ·MA 模型的识别 | 第25-26页 |
| ·ARMA 模型的识别 | 第26页 |
| ·非平稳序列的平稳化模型 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 基于时间序列与人工神经网络的组合预测模型 | 第28-44页 |
| ·时间序列预测模型 | 第28-29页 |
| ·ARIMA 模型 | 第28页 |
| ·残差自回归模型 | 第28-29页 |
| ·BP 神经网络模型 | 第29-32页 |
| ·BP 神经网络的基本原理 | 第29-31页 |
| ·BP 神经网络的算法及计算步骤 | 第31-32页 |
| ·组合预测模型 | 第32-33页 |
| ·山西省人均 GDP 的预测分析 | 第33-42页 |
| ·ARIMA 模型的预测结果 | 第34-38页 |
| ·残差自回归模型的预测结果 | 第38-39页 |
| ·BP 神经网络模型预测 | 第39-42页 |
| ·各种模型的预测结果 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于 ARIMA 模型与灰色模型的组合预测模型 | 第44-60页 |
| ·ARIMA 模型 | 第44-45页 |
| ·灰色 GM(1,1)预测模型 | 第45-54页 |
| ·累加生成的含义 | 第46-47页 |
| ·灰色预测模型的建模思想及条件 | 第47-48页 |
| ·灰色预测模型的基本原理 | 第48-51页 |
| ·建立灰色 GM(1,1)模型的基本步骤 | 第51-52页 |
| ·级比判断 | 第52-53页 |
| ·灰色 GM(1,1)改进模型 | 第53-54页 |
| ·灰色组合预测模型 | 第54-55页 |
| ·山西省人均 GDP 的预测及分析 | 第55-58页 |
| ·ARIMA 模型的预测结果 | 第56页 |
| ·灰色模型的预测结果 | 第56-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |