| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 选题意义与背景 | 第8页 |
| 1.2 国、内外研究现状 | 第8-11页 |
| 1.3 论文研究内容 | 第11页 |
| 1.4 论文的创新点 | 第11-12页 |
| 2 灰色系统理论与BP人工神经网络 | 第12-25页 |
| 2.1 灰色系统理论 | 第12-15页 |
| 2.1.1 灰色系统的基本概念 | 第12-13页 |
| 2.1.2 灰色系统的基本原理 | 第13-14页 |
| 2.1.3 灰色系统理论的体系结构 | 第14-15页 |
| 2.2 BP人工神经网络 | 第15-23页 |
| 2.2.1 BP神经网络模型结构 | 第16页 |
| 2.2.2 BP算法原理及其流程图 | 第16-19页 |
| 2.2.3 BP神经网络存在的性能不足点与优化方法 | 第19-22页 |
| 2.2.4 BP网络的构建要点 | 第22-23页 |
| 2.3 河北省交通事故研究 | 第23-25页 |
| 3 灰色预测模型的改进算法 | 第25-53页 |
| 3.1 灰色预测模型 | 第25-35页 |
| 3.1.1 灰色预测模型GM(n,h)—Grey Model | 第25-26页 |
| 3.1.2 GM(1,1)模型及其研究价值 | 第26-28页 |
| 3.1.3 GM(1,1)模型的参数求解问题 | 第28-31页 |
| 3.1.4 GM(1,1)模型的稳定性研究 | 第31-35页 |
| 3.2 改进的等间距灰色预测模型 | 第35-47页 |
| 3.2.1 GM(1,1)模型改进方向 | 第36-39页 |
| 3.2.2 基于背景值优化的GM(1,1)模型的边值分析-BBGM(1,1) | 第39-44页 |
| 3.2.3 改进的等间距灰色预测模型BBGM(1,1)的实例对比分析 | 第44-47页 |
| 3.3 非等间距灰色预测模型及其改进模型 | 第47-53页 |
| 3.3.1 非等间距灰色预测模型 | 第47-48页 |
| 3.3.2 非等间距灰色预测模型的改进 | 第48-51页 |
| 3.3.3 非等间距灰色预测模型的实例对比分析 | 第51-53页 |
| 4 建立灰色BP神经网络组合预测模型 | 第53-58页 |
| 4.1 灰色神经网络的建模思想及组合类型 | 第53-56页 |
| 4.1.1 组合模型的优势 | 第53-54页 |
| 4.1.2 灰色神经网络组合模型的建模思想 | 第54-55页 |
| 4.1.3 灰色神经网络模型组合方式 | 第55-56页 |
| 4.2 改进的灰色预测模型与BP神经网络的组合模型 | 第56-58页 |
| 4.2.1 改进的等间距灰色BP神经网络组合模型 | 第57页 |
| 4.2.2 改进的非等间距灰色BP神经网络模型 | 第57-58页 |
| 5 灰色BP神经网络预测系统设计实现与应用 | 第58-70页 |
| 5.1 灰色BP神经网络预测系统的设计 | 第58-63页 |
| 5.1.1 系统的分析与模块设计 | 第58-62页 |
| 5.1.2 灰色BP神经网络系统流程 | 第62-63页 |
| 5.2 灰色BP神经网络模型的应用 | 第63-70页 |
| 5.2.1 改进型等间距灰色BP神经网络模型的应用 | 第63-67页 |
| 5.2.2 改进型非等间距灰色BP神经网络模型的应用 | 第67-70页 |
| 结论 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间科研成果 | 第76页 |
