摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第9-14页 |
1.1 研究背景及意义 | 第9-11页 |
1.2 国内外研究现状 | 第11-12页 |
1.3 论文主要内容 | 第12页 |
1.4 本文的创新点 | 第12-14页 |
第二章 预测中国红枣年产量的数学模型 | 第14-26页 |
2.1 GM(1,1)模型理论 | 第14-16页 |
2.2 马尔科夫链的相关理论 | 第16-19页 |
2.2.1 马尔科夫过程 | 第16页 |
2.2.2 马尔科夫链的定义与几条性质 | 第16-18页 |
2.2.3 利用马尔科夫链进行预测的基本步骤 | 第18-19页 |
2.3 粒子群算法理论 | 第19-23页 |
2.3.1 粒子群算法简介 | 第19-20页 |
2.3.2 标准粒子群算法 | 第20-21页 |
2.3.3 改进惯性因子的粒子群算法 | 第21-23页 |
2.4 粒子群优化的灰色马尔科夫链模型 | 第23-26页 |
2.4.1 灰色马尔科夫链模型 | 第23-24页 |
2.4.2 改进适应度函数的粒子群-灰色马尔科夫链模型 | 第24-26页 |
第三章 实例运用 | 第26-35页 |
3.1 残差检验 | 第26-27页 |
3.2 灰色GM(1,1)模型预测红枣年产量 | 第27-28页 |
3.3 灰色马尔科夫链模型预测中国红枣年产量 | 第28-30页 |
3.3.1 状态划分 | 第28-29页 |
3.3.2 建立概率转移矩阵 | 第29页 |
3.3.3 获得预测值 | 第29-30页 |
3.4 粒子群-灰色马尔科夫链模型预测中国红枣年产量 | 第30-33页 |
3.4.1 残差状态区间分析 | 第30-31页 |
3.4.2 获取粒子群-灰色马尔科夫链模型预测结果 | 第31-33页 |
3.5 三种模型的实例运用分析 | 第33-35页 |
第四章 总结及展望 | 第35-37页 |
致谢 | 第37-38页 |
参考文献 | 第38-41页 |
附录1 攻读学位期间发表论文目录 | 第41-42页 |
附录2 算法程序 | 第42-48页 |