| 摘要 | 第1-8页 |
| ABSTRACT | 第8-11页 |
| 第1章 绪论 | 第11-16页 |
| ·BACK-PROPAGATION神经网络概述 | 第11-12页 |
| ·BP 网络的产生 | 第11页 |
| ·BP 网络的应用状况 | 第11-12页 |
| ·预测概述 | 第12-13页 |
| ·预测的概念和作用 | 第12页 |
| ·预测研究的基本原理 | 第12-13页 |
| ·预测研究的分类 | 第13页 |
| ·课题研究的意义、和内容安排 | 第13-16页 |
| ·课题研究的意义 | 第13-14页 |
| ·课题研究的内容安排 | 第14-16页 |
| 第2章 BACK-PROPAGATION 神经网络及其改进 | 第16-36页 |
| ·BACK-PROPAGATION神经网络基本原理 | 第16-19页 |
| ·BP 网络的过程描述 | 第16-17页 |
| ·BP 网络的算法描述 | 第17-18页 |
| ·基本BP 网络的优缺点 | 第18-19页 |
| ·BP 网络改进方法综述 | 第19-25页 |
| ·基于梯度下降的启发式改进方法 | 第19-22页 |
| ·融入其他优化思想和算法 | 第22-24页 |
| ·优化网络拓扑结构 | 第24-25页 |
| ·有效脱离平坦区的新型BP 网络 | 第25-32页 |
| ·训练过程中的误差曲面 | 第25-26页 |
| ·基本BP 网络难以脱离平坦区的现象分析 | 第26-27页 |
| ·加确保因子的权值调整规则 | 第27-29页 |
| ·评价BP 网络性能的基准(Benchmark)问题 | 第29页 |
| ·新型权值调整规则的仿真实验和确保因子的估值 | 第29-32页 |
| ·基于二次动量项的新型BP 网络 | 第32-36页 |
| ·动量项改进方法回顾 | 第32页 |
| ·二次动量因子的确定 | 第32-34页 |
| ·加二次动量项的改进BP 算法仿真实验 | 第34-36页 |
| 第3章 定量预测研究 | 第36-44页 |
| ·定量预测概述 | 第36-38页 |
| ·定量预测研究的背景与现状 | 第36页 |
| ·定量预测的基本步骤 | 第36-37页 |
| ·定量预测结果的精度、评价 | 第37-38页 |
| ·定量预测研究的常用方法 | 第38-44页 |
| ·因果关系类预测 | 第38-41页 |
| ·时间序列类预测 | 第41-44页 |
| 第4章 基于主成分分析和改进BP 网络(PCA-BP)的降雨预报研究 | 第44-51页 |
| ·PCA-BP 降雨预报模型的理论基础、数据准备 | 第44-46页 |
| ·PCA-BP 降雨预报模型研究的出发点 | 第44页 |
| ·主成分分析法 | 第44-45页 |
| ·用于降雨预报的历史气象数据 | 第45-46页 |
| ·PCA-BP 降雨预报模型的仿真实现 | 第46-51页 |
| ·降雨预报的预测目标 | 第46-47页 |
| ·生成影响降雨的主成分及其数据集 | 第47-48页 |
| ·样本预处理和BP 网络的构建 | 第48-49页 |
| ·PCA-BP 降雨预报模型的训练效果和预测效果 | 第49-51页 |
| 第5章 基于灰色VERHULST-BP 网络模型的人口数量预测 | 第51-66页 |
| ·人口数量预测概述 | 第51-52页 |
| ·人口数量预测的意义 | 第51页 |
| ·人口数量预测研究的回顾 | 第51-52页 |
| ·灰色模型理论 | 第52-54页 |
| ·GM(1,1)模型 | 第52-53页 |
| ·灰色Verhulst 模型 | 第53-54页 |
| ·GV-BP 模型的提出和建立 | 第54-59页 |
| ·灰色Verhulst 模型的改进和不足分析 | 第54-55页 |
| ·GV-BP 模型的建模思想 | 第55页 |
| ·GV-BP 模型的建模步骤 | 第55-59页 |
| ·GV-BP 模型的人口数量预测比较实验 | 第59-66页 |
| ·人口数量预测的目标和数据 | 第59页 |
| ·跟传统时间序列预测法的人口数量预测比较实验 | 第59-63页 |
| ·三种灰色人口模型的比较实验 | 第63-66页 |
| 第6章 总结和展望 | 第66-68页 |
| ·课题研究内容及创新点 | 第66-67页 |
| ·课题研究展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间发表的学术论著目录和参与的项目 | 第71-72页 |
| 致谢 | 第72页 |
