车辆保险市场的成长预测
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 车辆保险市场概述 | 第9-10页 |
| 1.2 研究背景和意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 国外研究现状 | 第11-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 研究方法 | 第14页 |
| 1.5 研究内容 | 第14-15页 |
| 1.6 创新之处 | 第15-16页 |
| 第2章 车辆保险市场分析 | 第16-23页 |
| 2.1 车辆保险市场现状及特点 | 第16-17页 |
| 2.2 车辆保险市场的影响因素 | 第17-19页 |
| 2.2.1 经济因素 | 第18页 |
| 2.2.2 风险因素 | 第18页 |
| 2.2.3 社会文化因素 | 第18-19页 |
| 2.2.4 法律和政策因素 | 第19页 |
| 2.3 指标及样本选取 | 第19-22页 |
| 2.3.1 被解释变量 | 第19-20页 |
| 2.3.2 解释变量 | 第20-21页 |
| 2.3.3 数据来源 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 基于遗传算法的灰色神经网络 | 第23-36页 |
| 3.1 灰色GM(1,N)模型 | 第23-27页 |
| 3.1.1 GM(1,N)模型的建立 | 第23-24页 |
| 3.1.2 GM(1,N)模型的检测 | 第24-27页 |
| 3.2 神经网络模型 | 第27-30页 |
| 3.2.1 BP神经网络原理 | 第27-28页 |
| 3.2.2 BP神经网络的分析步骤 | 第28-30页 |
| 3.3 灰色神经网络模型 | 第30-33页 |
| 3.3.1 灰色神经网络的理论 | 第30-31页 |
| 3.3.2 灰色神经网络算法 | 第31-33页 |
| 3.3.3 灰色神经网络模型的算法流程图 | 第33页 |
| 3.4 基于遗传算法的灰色神经网络模型 | 第33-35页 |
| 3.4.1 遗传算法 | 第33-35页 |
| 3.4.2 基于遗传算法的灰色神经网络流程图 | 第35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 车辆保险市场成长预测的实证研究 | 第36-46页 |
| 4.1 数据处理 | 第36-38页 |
| 4.2 GM(1,1)实证预测 | 第38-39页 |
| 4.3 GM(1,N)实证预测 | 第39页 |
| 4.4 灰色神经网络模型实证预测 | 第39-41页 |
| 4.5 基于遗传算法的灰色神经网络模型实证预测 | 第41-44页 |
| 4.5.1 遗传算法初始化种群的运行参数 | 第41-42页 |
| 4.5.2 基于遗传算法的灰色神经网络的实证分析 | 第42-44页 |
| 4.6 四个模型预测的结果比较 | 第44页 |
| 4.7 本章小结 | 第44-46页 |
| 结论 | 第46-48页 |
| 参考文献 | 第48-51页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第51-52页 |
| 致谢 | 第52页 |
