预测方法在粮食行业的应用
| 第一章 引言 | 第6-8页 |
| 1.1 开发背景 | 第6-7页 |
| 1.2 本文主要工作 | 第7-8页 |
| 第二章 预测综述 | 第8-12页 |
| 2.1 预测的分类 | 第8-9页 |
| 2.2 预测的基本原则 | 第9-10页 |
| 2.3 预测性能的度量 | 第10-12页 |
| 第三章 粮食预测子系统 | 第12-23页 |
| 3.1 系统概述 | 第12-14页 |
| 3.1.1 以数据仓库代替数据库 | 第12-13页 |
| 3.1.2 预测方法的选择 | 第13-14页 |
| 3.1.3 预测内容 | 第14页 |
| 3.2 系统结构设计 | 第14-16页 |
| 3.3 功能模块设计 | 第16-20页 |
| 3.3.1 数据管理 | 第16-17页 |
| 3.3.2 数据查询 | 第17页 |
| 3.3.3 容错处理及操作引导 | 第17页 |
| 3.3.4 预测应用模块 | 第17-20页 |
| 3.4 预测系统应用实例 | 第20-23页 |
| 第四章 时间序列分析方法 | 第23-36页 |
| 4.1 时间序列分析简介 | 第23-24页 |
| 4.2 指数平滑模型 | 第24-27页 |
| 4.2.1 一次指数平滑 | 第24页 |
| 4.2.2 二次指数平滑 | 第24-25页 |
| 4.2.3 指数平滑模型的应用 | 第25-26页 |
| 4.2.4 小结 | 第26-27页 |
| 4.3 季节模型 | 第27-30页 |
| 4.3.1 季节性时间序列的模型 | 第27页 |
| 4.3.2 乘积模型的分解及预测 | 第27-28页 |
| 4.3.3 季节模型的应用 | 第28-30页 |
| 4.3.4 小结 | 第30页 |
| 4.4 线性随机模型 | 第30-36页 |
| 4.4.1 线性随机模型族 | 第30-32页 |
| 4.4.2 Box-Jenkins方法 | 第32-34页 |
| 4.4.3 线性随机模型的应用 | 第34-35页 |
| 4.4.4 小结 | 第35-36页 |
| 第五章 回归分析方法 | 第36-41页 |
| 5.1 一元线性回归模型 | 第36-37页 |
| 5.2 非线性回归模型的转化 | 第37-38页 |
| 5.3 线性回归模型的应用 | 第38-40页 |
| 5.4 小结 | 第40-41页 |
| 第六章 人工神经网络方法 | 第41-49页 |
| 6.1 人工神经网络简介 | 第41-42页 |
| 6.1.1 人工神经网络的工作原理 | 第41页 |
| 6.1.2 神经元的结构模型 | 第41-42页 |
| 6.1.3 人工神经网络的互连模式 | 第42页 |
| 6.2 BP神经网络模型 | 第42-46页 |
| 6.2.1 BP算法的原理 | 第43-44页 |
| 6.2.2 BP算法的数学描述 | 第44-46页 |
| 6.3 神经网络模型的应用 | 第46-48页 |
| 6.4 小结 | 第48-49页 |
| 第七章 结束语 | 第49-51页 |
| 7.1 总结 | 第49-50页 |
| 7.2 工作展望 | 第50-51页 |
| 参考文献 | 第51-52页 |
| 致 谢 | 第52-53页 |
| 摘 要 | 第53-55页 |
| Abstract | 第55页 |
