| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 本课题研究背景和研究意义 | 第9-10页 |
| 1.2 影响制冷压缩机销售状况的因素分析 | 第10-12页 |
| 1.3 销售预测模型的国内外研究现状 | 第12-13页 |
| 1.3.1 销售预测模型国外研究 | 第12-13页 |
| 1.3.2 销售预测模型国内研究 | 第13页 |
| 1.4 制冷压缩机的市场分析 | 第13-14页 |
| 1.5 本文的主要研究工作和论文章节 | 第14-16页 |
| 第二章 企业产品销售预测相关理论 | 第16-26页 |
| 2.1 基于时间序列的预测理论 | 第17-21页 |
| 2.1.1 时间序列预测法的概念 | 第17页 |
| 2.1.2 时间序列预测法的种类 | 第17-21页 |
| 2.1.2.1 单指数平滑法 | 第17-18页 |
| 2.1.2.2 线性指数平滑法 | 第18-19页 |
| 2.1.2.3 季节性指数平滑法 | 第19-20页 |
| 2.1.2.4 阻尼趋势指数平滑法 | 第20-21页 |
| 2.2 基于时间序列的数据挖掘预测模型 | 第21-23页 |
| 2.3 人工神经网络 | 第23-24页 |
| 2.4 各类预测算法的性能对比 | 第24-25页 |
| 2.5 本章总结 | 第25-26页 |
| 第三章 新型广义回归神经网络 | 第26-42页 |
| 3.1 神经网络概述 | 第26-28页 |
| 3.1.1 人工神经网络概述 | 第26-27页 |
| 3.1.2 人工神经网络的基本特征 | 第27-28页 |
| 3.2 广义回归神经网络 | 第28-32页 |
| 3.2.1 广义回归神经网络(GRNN)概述 | 第28页 |
| 3.2.2 GRNN理论基础 | 第28-30页 |
| 3.2.3 GRNN的基本结构 | 第30-31页 |
| 3.2.4 GRNN存在的问题 | 第31-32页 |
| 3.3 一种基于改进遗传优化的模糊GRNN神经网络 | 第32-41页 |
| 3.3.1 模糊理论 | 第32-33页 |
| 3.3.2 改进遗传算法 | 第33-38页 |
| 3.3.2.1 传统遗传算法 | 第33-35页 |
| 3.3.2.2 改进遗传算法 | 第35-36页 |
| 3.3.2.3 基于改进遗传算法的GRNN平滑因子优化 | 第36-38页 |
| 3.3.3 新型GRNN神经网络 | 第38-41页 |
| 3.4 本章总结 | 第41-42页 |
| 第四章 基于新型GRNN网络的预测模型仿真分析 | 第42-52页 |
| 4.1 A公司制冷压缩机销售公司概况 | 第42-43页 |
| 4.2 A公司制冷压缩机销售预测仿真和分析 | 第43-51页 |
| 4.2.1 制冷压缩机销售数据样本获取和预处理 | 第43-45页 |
| 4.2.2 制冷压缩机的销售预测 | 第45-49页 |
| 4.2.3 改进GRNN网络和传统预测算法的性能对比 | 第49-51页 |
| 4.3 本章总结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文总结 | 第52-53页 |
| 5.2 未来展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 附录：历年制冷压缩机销售数据 | 第58-59页 |
