短期销售预测方法研究
| 第一章 绪论 | 第1-18页 |
| ·预测方法概论 | 第10-13页 |
| ·时间序列预测的国内外进展 | 第13-15页 |
| ·研究短期销售预测的目的和意义 | 第15-16页 |
| ·作者所做工作及文章内容安排 | 第16-18页 |
| ·本文的主要工作 | 第16页 |
| ·章节内容安排 | 第16-18页 |
| 第二章 时间序列建模的理论和方法 | 第18-30页 |
| ·时间序列建模的基本原理 | 第18-20页 |
| ·时间序列建模的方法和实现过程 | 第20-25页 |
| ·时间序列的平稳化 | 第20-22页 |
| ·ARMA模型阶数和参数的辨识 | 第22-24页 |
| ·ARMA模型的统计检验 | 第24-25页 |
| ·ARMA模型对短期销售额预测分析 | 第25-29页 |
| ·讨论 | 第29-30页 |
| 第三章 灰色预测技术 | 第30-38页 |
| ·灰色关联分析 | 第30-31页 |
| ·灰色模块的生成 | 第31-34页 |
| ·累加生成序列 | 第32页 |
| ·累减生成算法 | 第32-34页 |
| ·灰色预测建模方法 | 第34-35页 |
| ·灰色模型的检验 | 第35-36页 |
| ·灰色模型预测短期销售额 | 第36-37页 |
| ·讨论 | 第37-38页 |
| 第四章 BP网络模型及预测方法 | 第38-53页 |
| ·人工神经网络的基本知识 | 第38-40页 |
| ·人工神经网络的一般模型 | 第38-39页 |
| ·人工神经网络的设计要求 | 第39-40页 |
| ·前向型神经网络 | 第40-42页 |
| ·前向神经网络的概念 | 第40页 |
| ·前向神经网络的训练 | 第40-42页 |
| ·前向神经网络的学习规则 | 第42页 |
| ·改进的BP算法 | 第42-47页 |
| ·标准BP算法及其学习规则 | 第43-45页 |
| ·BP算法存在的局限性 | 第45-46页 |
| ·基于数值优化方法的网络训练算法 | 第46-47页 |
| ·MATLAB人工神经网络的实现 | 第47-48页 |
| ·网络的构建和仿真 | 第48-51页 |
| ·人工神经网络用于短期销售预测 | 第48-49页 |
| ·网络结构的设计 | 第49-50页 |
| ·学习样本的预处理 | 第50页 |
| ·预测结果分析 | 第50-51页 |
| ·讨论 | 第51-53页 |
| 第五章 组合预测 | 第53-61页 |
| ·常用组合预测方法 | 第53-55页 |
| ·基于神经网络的组合预测方法 | 第55-56页 |
| ·组合模型对短期销售预测分析 | 第56-59页 |
| ·组合预测模型计算 | 第56页 |
| ·组合模型预测短期销售额 | 第56-59页 |
| ·预测结果分析 | 第59页 |
| ·讨论 | 第59-61页 |
| 第六章 结语 | 第61-63页 |
| 附录 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 攻读硕士学位期间发表的学术论文清单 | 第68页 |
