| 中文摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第13-34页 |
| 1.1 梅毒 | 第13-16页 |
| 1.1.1 梅毒的流行学特点 | 第13页 |
| 1.1.2 梅毒传播途径 | 第13-14页 |
| 1.1.3 梅毒预防与治疗 | 第14-15页 |
| 1.1.4 梅毒发病率预测研究现状 | 第15-16页 |
| 1.2 BP 神经网络 | 第16-22页 |
| 1.2.1 BP 神经网络原理 | 第17-18页 |
| 1.2.2 BP 神经网络学习过程 | 第18-22页 |
| 1.2.3 BP 神经网络应用 | 第22页 |
| 1.3 ARIMA 模型 | 第22-28页 |
| 1.3.1 ARIMA 模型基本原理 | 第23-24页 |
| 1.3.2 ARIMA 模型建模步骤 | 第24-27页 |
| 1.3.3 ARIMA 模型应用 | 第27-28页 |
| 1.4 组合模型 | 第28-30页 |
| 1.4.1 组合模型原理 | 第28-29页 |
| 1.4.2 组合模型预测过程 | 第29-30页 |
| 1.4.3 组合模型应用 | 第30页 |
| 1.5 时间序列分解模型 | 第30-33页 |
| 1.5.1 时间序列分解模型原理 | 第30页 |
| 1.5.2 时间序列分解模型步骤（以月数据乘法为例） | 第30-32页 |
| 1.5.3 时间序列分解模型应用 | 第32-33页 |
| 1.6 立题依据 | 第33-34页 |
| 第2章 材料与方法 | 第34-36页 |
| 2.1 资料来源 | 第34页 |
| 2.2 研究方法 | 第34-35页 |
| 2.3 质量控制 | 第35页 |
| 2.4 统计分析 | 第35-36页 |
| 第3章 结果 | 第36-67页 |
| 3.1 2008-2013 年我国梅毒月发病率基本情况 | 第36-38页 |
| 3.2 BP 神经网络模型 | 第38-42页 |
| 3.2.1 数据预处理 | 第38页 |
| 3.2.2 构建训练样本集、测试样本集和预测样本集 | 第38-40页 |
| 3.2.3 确定网络结构 | 第40-41页 |
| 3.2.4 最优模型选择 | 第41页 |
| 3.2.5 BP 神经网络最优模型预测 2013 年梅毒月发病率 | 第41-42页 |
| 3.3 ARIMA 模型 | 第42-47页 |
| 3.3.1 稳定性判断 | 第42页 |
| 3.3.2 参数判断 | 第42-43页 |
| 3.3.3 最优模型选择 | 第43-45页 |
| 3.3.4 最优模型检验 | 第45页 |
| 3.3.5 ARIMA 最优模型预测 2013 年梅毒月发病率 | 第45-47页 |
| 3.4 组合模型 | 第47-48页 |
| 3.5 时间序列分解模型 | 第48-63页 |
| 3.5.1 传统时间序列分解模型 | 第48-51页 |
| 3.5.2 改良时间序列分解乘法模型 | 第51-59页 |
| 3.5.3 改良时间序列分解加法模型 | 第59-63页 |
| 3.6 最优模型预测 2014 年我国梅毒月发病率 | 第63-64页 |
| 3.7 评估 2014 年梅毒月发病率疫情 | 第64-65页 |
| 3.8 2014 年预测值与实际值比较 | 第65-67页 |
| 第4章 讨论 | 第67-73页 |
| 4.1 BP 神经网络模型 | 第67-68页 |
| 4.2 ARIMA 模型 | 第68-69页 |
| 4.3 组合预测模型 | 第69页 |
| 4.4 时间序列分解模型 | 第69-71页 |
| 4.5 其他预测模型 | 第71页 |
| 4.6 创新点 | 第71-73页 |
| 第5章 结论 | 第73-74页 |
| 参考文献 | 第74-82页 |
| 作者简介及在学期间取得的科研成果 | 第82-83页 |
| 致谢 | 第83页 |
