| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 引言 | 第8-12页 |
| 1.1 研究背景 | 第8页 |
| 1.2 研究意义 | 第8-9页 |
| 1.3 研究方法 | 第9-10页 |
| 1.4 文章内容和结构 | 第10页 |
| 1.5 本文创新点 | 第10-12页 |
| 第2章 文献评述 | 第12-16页 |
| 2.1 引力模型 | 第12-13页 |
| 2.2 BP神经网络的优点及缺陷 | 第13-14页 |
| 2.3 遗传算法 | 第14-16页 |
| 第3章 区域合作现状和机遇 | 第16-20页 |
| 3.1 研究对象的区域划分及合作基础 | 第16-17页 |
| 3.2 中国与“一路”沿线代表国家的贸易现状 | 第17-18页 |
| 3.3 中国与“一路”沿线国家贸易合作的机遇 | 第18-20页 |
| 第4章 引力模型的回归分析 | 第20-27页 |
| 4.1 模型设定 | 第20-21页 |
| 4.2 数据来源及说明 | 第21-22页 |
| 4.3 混合模型、固定效应模型、随机效应模型回归结果 | 第22-24页 |
| 4.4 分地区回归结果 | 第24-26页 |
| 4.5 神经网络参数选择 | 第26-27页 |
| 第5章 BP神经网络原理、设置及数据预处理 | 第27-36页 |
| 5.1 BP神经网络的实现逻辑 | 第27-30页 |
| 5.2 数据的选取、划分和预处理 | 第30页 |
| 5.3 数据标准化的公式选择 | 第30-32页 |
| 5.4 BP神经网络的设置 | 第32页 |
| 5.5 BP神经网络的训练效果 | 第32-34页 |
| 5.6 BP神经网络预测的预测结果 | 第34-36页 |
| 第6章 遗传算法优化的BP神经网络 | 第36-43页 |
| 6.1 遗传算法的原理及代码的模拟实现 | 第36-38页 |
| 6.2 AG-BP神经网络的回归训练结果 | 第38-40页 |
| 6.3 BP神经网络、AG-BP神经网络的预测结果对比及分析 | 第40-43页 |
| 结论 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-48页 |
| 附录A：BP神经网络的Matlab代码 | 第48-49页 |
| 附录B：遗传算法主程序代码 | 第49-51页 |
| 附录C：GA-BP神经网络的拟合结果图 | 第51-54页 |
| 附录D：论文引用数据 | 第54-58页 |