| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第一章 绪论 | 第15-24页 |
| ·研究背景 | 第15-16页 |
| ·动物疫情测报体系意义和构成内容 | 第16-17页 |
| ·测报体系的意义 | 第16-17页 |
| ·测报体系的构建 | 第17页 |
| ·国内外研究现状 | 第17-21页 |
| ·猪瘟病理学现状研究 | 第18页 |
| ·测报方法研究现状 | 第18-21页 |
| ·研究目标和内容 | 第21-22页 |
| ·研究目标 | 第21页 |
| ·研究内容 | 第21-22页 |
| ·研究方法与技术路线 | 第22-24页 |
| ·研究方法 | 第22页 |
| ·技术路线 | 第22-24页 |
| 第二章 基于单一模型的猪瘟疫情测报研究 | 第24-47页 |
| ·经典疫病模型研究 | 第24-26页 |
| ·经典 Kermark-Mckendrick 模型基础 | 第24页 |
| ·基于 Logistic 增长的猪瘟疫病 SIR 模型 | 第24-26页 |
| ·时间序列模型分析 | 第26-32页 |
| ·时间序列模型 | 第26-28页 |
| ·猪瘟时间序列模型构建 | 第28-32页 |
| ·灰色理论模型 GM(1,1)分析 | 第32-37页 |
| ·灰色模型理论 | 第32-35页 |
| ·灰色模型建模过程 | 第35-37页 |
| ·BP 神经网络模型分析 | 第37-46页 |
| ·BP 神经网络结构 | 第37-38页 |
| ·BP 神经网络的优化 | 第38-40页 |
| ·遗传算法 | 第40-42页 |
| ·优化 BP 神经网络模型应用 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第三章 猪瘟疫情预测的组合模型研究与构建 | 第47-54页 |
| ·组合模型理论 | 第47-49页 |
| ·最优加权组合模型 | 第47-48页 |
| ·模型融合 | 第48-49页 |
| ·基于传统猪瘟发病率的组合模型构建 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第四章 动物疫情测报系统设计与实现 | 第54-76页 |
| ·系统架构 | 第54-55页 |
| ·系统分析设计 | 第55-60页 |
| ·系统管理 | 第55-56页 |
| ·ARIMA 模型预测 | 第56-57页 |
| ·灰色模型预测 | 第57-58页 |
| ·神经网络模型预测 | 第58页 |
| ·组合模型预测 | 第58-59页 |
| ·数据管理 | 第59-60页 |
| ·数据库设计 | 第60-61页 |
| ·MATLAB 与.NET 平台接口技术研究 | 第61-63页 |
| ·MATLAB 对 COM 支持 | 第62-63页 |
| ·MATLAB 引擎技术 | 第63页 |
| ·系统实现 | 第63-75页 |
| ·系统管理 | 第64-67页 |
| ·ARIMA 模型预测 | 第67-69页 |
| ·灰色模型预测 | 第69-70页 |
| ·神经网络预测 | 第70-71页 |
| ·组合模型预测 | 第71-74页 |
| ·数据管理 | 第74-75页 |
| ·系统小结 | 第75-76页 |
| 第五章 总结与讨论 | 第76-78页 |
| ·总结 | 第76页 |
| ·出现问题与解决方法 | 第76-77页 |
| ·展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 附录 | 第82-87页 |
| 1 灰色模型核心代码 | 第82-84页 |
| 2 C#调用神经网络工具箱部分代码 | 第84-87页 |
| 致谢 | 第87-88页 |
| 个人简历 | 第88页 |