| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 引言 | 第8-13页 |
| ·本文研究背景 | 第8-9页 |
| ·我国蔬菜产业发展概况 | 第8页 |
| ·寿光蔬菜产业发展概况 | 第8-9页 |
| ·本文研究意义 | 第9页 |
| ·本研究领域的研究现状 | 第9-10页 |
| ·关于蔬菜价格问题的研究现状 | 第9-10页 |
| ·关于统计预测模型的应用研究现状 | 第10页 |
| ·本文的主要创新点与思路 | 第10-12页 |
| ·本文的主要工作 | 第12-13页 |
| 2 中国寿光蔬菜价格指数体系分析 | 第13-22页 |
| ·价格指数知识 | 第13页 |
| ·中国寿光蔬菜价格指数体系编制情况 | 第13-14页 |
| ·实际数据分析与本文样本数据选取 | 第14-22页 |
| ·本文样本选取依据 | 第14-15页 |
| ·本文样本数据选取情况 | 第15-22页 |
| 3 中国寿光蔬菜价格指数的灰色数列预测分析 | 第22-29页 |
| ·灰色数列预测模型理论简介 | 第22-24页 |
| ·灰色系统(Grey System)理论 | 第22页 |
| ·灰生成（Grey Generating） | 第22-23页 |
| ·灰色数列预测 | 第23-24页 |
| ·中国寿光蔬菜价格月定基总指数灰色数列预测建模 | 第24-27页 |
| ·灰色数列预测模型建模步骤及建模实现 | 第24-25页 |
| ·样本采集及数据处理 | 第25-26页 |
| ·模型参数估计及检验 | 第26-27页 |
| ·中国寿光蔬菜价格指数四级指数灰色数列预测分析 | 第27-28页 |
| ·小结 | 第28-29页 |
| 4 寿光蔬菜价格月定基指数的 ARMA 模型预测研究 | 第29-39页 |
| ·ARMA 模型理论简介 | 第29-32页 |
| ·时间序列（Time Series） | 第29-30页 |
| ·ARMA 模型理论(Autoregressive Integrated Moving Average) | 第30页 |
| ·ARMA 模型建模步骤 | 第30-32页 |
| ·寿光蔬菜价格月定基总指数 ARMA 模型 | 第32-36页 |
| ·模型参数估计 | 第32-33页 |
| ·模型诊断与检验 | 第33-34页 |
| ·预测及评价 | 第34-36页 |
| ·寿光蔬菜价格月定基四级指数的 ARMA 建模 | 第36-38页 |
| ·小结 | 第38-39页 |
| 5 寿光蔬菜月定基价格指数的 Bayesian-BP 神经网络预测分析 | 第39-46页 |
| ·BP 神经网络理论简介 | 第39-41页 |
| ·人工神经网络（Artificial Neural Networks, ANN） | 第39-40页 |
| ·BP 神经网络 | 第40-41页 |
| ·Bayesian 正则化及 BP 神经网络预测的建模实现 | 第41-42页 |
| ·Bayesian 正则化及 Bayesian-BP 神经网络 | 第41页 |
| ·BP 神经网络预测模型的建模步骤 | 第41页 |
| ·BP 神经网络建模的工具软件简介 | 第41-42页 |
| ·寿光蔬菜价格总指数的 Bayesian-BP 网络预测分析 | 第42-44页 |
| ·样本采集、数据处理及 BP 网络设计 | 第42页 |
| ·Bayesian-BP 神经网络模型的训练与仿真 | 第42-43页 |
| ·Bayesian-BP 神经网络模型的预测与评价 | 第43-44页 |
| ·寿光蔬菜价格四级指数的 Bayesian-BP 神经网络建模分析 | 第44-45页 |
| ·小结 | 第45-46页 |
| 6 中国寿光蔬菜价格指数预测模型比较研究 | 第46-49页 |
| ·三种模型的理论比较 | 第46-47页 |
| ·寿光蔬菜价格总指数预测模型比较 | 第47页 |
| ·寿光蔬菜价格指数四级指数预测模型比较 | 第47-48页 |
| ·小结 | 第48-49页 |
| 7 本文研究不足及展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 附录 1 灰色数列预测模型的 Matlab 主要程序 | 第55-57页 |
| 附录 2 ARMA 模型相关图形的 R 语言程序 | 第57-58页 |
| 附录 3 BP 神经网络 matlab 主要程序 | 第58-60页 |
| 附件 | 第60-70页 |
| 硕士毕业生信息表 | 第70页 |
