| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 论文研究的背景 | 第10页 |
| 1.2 论文研究的意义 | 第10-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.4 研究主要内容及框架 | 第14-17页 |
| 第2章 福建沿海水域情况和船舶事故统计分析 | 第17-31页 |
| 2.1 福建沿海水域情况 | 第17-21页 |
| 2.1.1 管辖水域 | 第17页 |
| 2.1.2 主要水文气象 | 第17-20页 |
| 2.1.3 福建沿海渔场分布 | 第20-21页 |
| 2.1.4 船舶航行特点 | 第21页 |
| 2.2 交通事故统计分析 | 第21-26页 |
| 2.2.1 交通事故的规模 | 第23-24页 |
| 2.2.2 交通事故的发生规律 | 第24-26页 |
| 2.3 交通事故的影响因素及原因分析 | 第26-31页 |
| 2.3.1 人为因素 | 第26-29页 |
| 2.3.2 船舶因素 | 第29-30页 |
| 2.3.3 航行环境因素 | 第30-31页 |
| 第3章 船舶交通事故预测的理论基础 | 第31-38页 |
| 3.1 预测理论 | 第31-32页 |
| 3.2 灰色GM（1,1）预测 | 第32-34页 |
| 3.3 ARIMA时间序列预测 | 第34-36页 |
| 3.4 BP神经网络预测 | 第36-38页 |
| 第4章 建立福建沿海船舶事故预测模型 | 第38-50页 |
| 4.1 灰色GM（1.1）模型的预测 | 第38-40页 |
| 4.1.1 利用灰色GM（1.1）模型预测 | 第38页 |
| 4.1.2 GM(1,1)预测结果分析 | 第38-40页 |
| 4.2 时间序列ARIMA模型的预测 | 第40-45页 |
| 4.2.1 ARIMA预测模型的基本思想 | 第40-41页 |
| 4.2.2 利用ARIMA预测模型进行预测 | 第41-45页 |
| 4.3 BP神经网络预测模型的预测 | 第45-50页 |
| 4.3.1 确定BP网络的结构 | 第45-47页 |
| 4.3.2 利用BP神经网络进行预测 | 第47-50页 |
| 第5章 基于时间权重的组合预测模型在船舶事故中的预测 | 第50-57页 |
| 5.1 基于时间权重的组合预测模型的建立 | 第50-52页 |
| 5.1.1 组合预测模型 | 第50页 |
| 5.1.2 考虑时间权重的组合预测模型 | 第50-51页 |
| 5.1.3 时间函数的建立 | 第51-52页 |
| 5.2 模型求解 | 第52-53页 |
| 5.3 组合预测 | 第53-55页 |
| 5.4 结果分析 | 第55-57页 |
| 第6章 总结与展望 | 第57-60页 |
| 6.1 研究成果与结论 | 第57-59页 |
| 6.1.1 研究成果 | 第57-58页 |
| 6.1.2 研究结论与建议 | 第58-59页 |
| 6.2 研究不足与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-70页 |
| 在学期间发表的学术论文 | 第70页 |