| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景及研究意义 | 第9-11页 |
| ·国内外的研究现状与文献综述 | 第11-14页 |
| ·论文的主要内容与结构 | 第14页 |
| ·小结 | 第14-16页 |
| 第2章 基本理论 | 第16-37页 |
| ·灰色预测模型简介 | 第16-19页 |
| ·灰色系统理论概述 | 第16-17页 |
| ·GM(1,1)模型概述 | 第17-19页 |
| ·马尔可夫链预测方法 | 第19-22页 |
| ·马尔可夫链简介 | 第19-20页 |
| ·马尔可夫链的定义 | 第20-21页 |
| ·加权马尔可夫链预测方法 | 第21-22页 |
| ·统计学习理论与支持向量机 | 第22-32页 |
| ·统计学习理论 | 第22-25页 |
| ·支持向量机 | 第25-31页 |
| ·支持向量机算法的优化 | 第31-32页 |
| ·神经网络预测模型 | 第32-36页 |
| ·神经网络模型的原理 | 第32-33页 |
| ·基于BP神经网络的预测模型 | 第33-35页 |
| ·BP算法的优缺点 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第3章 灰色马尔可夫预测模型及其应用 | 第37-44页 |
| ·引论 | 第37页 |
| ·灰色马尔可夫的建模过程 | 第37-40页 |
| ·实例研究 | 第40-41页 |
| ·结果分析 | 第41-42页 |
| ·小结 | 第42-44页 |
| 第4章 基于支持向量机参数识别的灰色预测模型及其应用 | 第44-52页 |
| ·引论 | 第44页 |
| ·GM(1,1)模型的参数识别 | 第44-46页 |
| ·GM(1,1)模型的参数识别 | 第44-46页 |
| ·对GM(1,1)模型的参数识别的分析 | 第46页 |
| ·基于支持向量机的GM(1,1)模型的参数识别 | 第46-49页 |
| ·灰色支持向量机预测的一般步骤 | 第49-50页 |
| ·实例分析 | 第50-51页 |
| ·小结 | 第51-52页 |
| 第5章 BP神经网络非线性组合预测模型 | 第52-56页 |
| ·序言 | 第52页 |
| ·基于BP神经网络的非线性组合预测模型 | 第52-55页 |
| ·实例分析 | 第55页 |
| ·小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·总结 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第62页 |