| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 研究背景 | 第9页 |
| 1.2 研究目的 | 第9-10页 |
| 1.3 研究意义 | 第10-11页 |
| 1.4 研究内容与方法 | 第11-12页 |
| 1.4.1 主要研究内容 | 第11-12页 |
| 1.4.2 研究方法 | 第12页 |
| 1.5 论文技术路线 | 第12-15页 |
| 2 文献综述 | 第15-21页 |
| 2.1 科技服务供应链风险因素研究综述 | 第15-17页 |
| 2.2 供应链风险识别与预测研究方法综述 | 第17-19页 |
| 2.3 研究述评 | 第19-21页 |
| 3 基于PAJEK社会网络模型的科技服务供应链风险要素识别研究 | 第21-31页 |
| 3.1 科技服务供应链风险因素分析 | 第21-25页 |
| 3.1.1 科技服务供应链风险内涵 | 第21页 |
| 3.1.2 科技服务供应链模型 | 第21-22页 |
| 3.1.3 科技服务供应链风险因素分析 | 第22-25页 |
| 3.2 科技服务供应链社会网络分析模型构建 | 第25-26页 |
| 3.2.1 PAJEK社会网络分析法简介 | 第25-26页 |
| 3.2.2 社会网络分析模型构建 | 第26页 |
| 3.3 科技服务供应链风险因素分析 | 第26-31页 |
| 3.3.1 风险矩阵构建及中心度分析 | 第26-28页 |
| 3.3.2 关键风险因素分析 | 第28-31页 |
| 4 基于PCA-BP集成模型的科技服务供应链风险等级评估模型构建 | 第31-41页 |
| 4.1 科技服务供应链风险等级评估指标体系构建 | 第31-33页 |
| 4.1.1 指标表征内涵 | 第31-32页 |
| 4.1.2 风险值域范围确立 | 第32-33页 |
| 4.2 科技服务供应链风险等级评估模型构建 | 第33-34页 |
| 4.2.1 BP神经网络模型基本原理 | 第33-34页 |
| 4.2.2 BP神经网络模型适用性 | 第34页 |
| 4.3 科技服务供应链风险等级评估模型设计 | 第34-37页 |
| 4.3.1 样本说明 | 第34页 |
| 4.3.2 输入层的确定 | 第34-35页 |
| 4.3.3 输出层的确定 | 第35-36页 |
| 4.3.4 隐含层的确定 | 第36-37页 |
| 4.4 科技服务供应链风险等级评估模型训练与检验 | 第37-41页 |
| 4.4.1 模型训练 | 第37-39页 |
| 4.4.2 模型检验 | 第39-41页 |
| 5 基于组合模型的科技服务供应链风险预测实例分析 | 第41-49页 |
| 5.1 变量选取与数据获取 | 第41-43页 |
| 5.1.1 变量选取 | 第41页 |
| 5.1.2 数据来源与归一化处理 | 第41-43页 |
| 5.2 组合模型建立与结果分析 | 第43-47页 |
| 5.2.1 多元二次非线性回归模型建立 | 第43-45页 |
| 5.2.2 ARMA模型建立 | 第45-47页 |
| 5.3 模型预测及分析 | 第47-49页 |
| 6 结论与展望 | 第49-53页 |
| 6.1 研究结论 | 第49-50页 |
| 6.2 对策与建议 | 第50-51页 |
| 6.3 研究创新 | 第51页 |
| 6.4 研究局限和未来展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57-63页 |
| 致谢 | 第63-64页 |
| 个人简历、在学期间发表的学术论文及取得的研究成果 | 第64页 |