| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-18页 |
| 1.1 研究背景 | 第10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-15页 |
| 1.3.1 供应链风险评价研究现状 | 第11-12页 |
| 1.3.2 供应链质量控制研究现状 | 第12-14页 |
| 1.3.3 乳制品供应链风险管理研究现状 | 第14-15页 |
| 1.4 研究内容 | 第15-17页 |
| 1.5 研究思路 | 第17-18页 |
| 2 相关概念界定与理论基础 | 第18-24页 |
| 2.1 相关概念界定 | 第18-20页 |
| 2.1.1 乳制品 | 第18页 |
| 2.1.2 乳制品供应链 | 第18页 |
| 2.1.3 供应链质量风险 | 第18-20页 |
| 2.2 理论基础 | 第20-23页 |
| 2.2.1 供应链风险评价常用方法 | 第20-22页 |
| 2.2.2 供应链契约理论 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 乳制品供应链质量风险的识别 | 第24-31页 |
| 3.1 风险指标选取的原则 | 第24页 |
| 3.2 乳制品供应链质量风险的指标识别 | 第24-28页 |
| 3.2.1 原奶供应环节 | 第25-26页 |
| 3.2.2 生产加工环节 | 第26页 |
| 3.2.3 流通环节 | 第26-27页 |
| 3.2.4 销售环节 | 第27页 |
| 3.2.5 各环节间质量风险因素 | 第27-28页 |
| 3.3 构建乳制品供应链质量风险评价指标体系 | 第28-29页 |
| 3.4 本章小结 | 第29-31页 |
| 4 基于BP神经网络的乳制品供应链质量风险评价模型 | 第31-43页 |
| 4.1 BP神经网络模型评价方法的适用性分析 | 第31页 |
| 4.2 BP神经网络的基本原理 | 第31-32页 |
| 4.3 BP神经网络算法流程 | 第32-33页 |
| 4.4 BP神经网络模型的评价步骤 | 第33-34页 |
| 4.5 BP神经网络模型的拓扑结构 | 第34-35页 |
| 4.5.1 确定网络层数 | 第34页 |
| 4.5.2 确定各层神经元数目 | 第34-35页 |
| 4.5.3 选取激励函数 | 第35页 |
| 4.6 BP神经网络的学习训练 | 第35页 |
| 4.7 基于Matlab的BP神经网络模型实现 | 第35-36页 |
| 4.8 算例分析 | 第36-42页 |
| 4.8.1 样本数据的选取 | 第36-38页 |
| 4.8.2 BP神经网络拓扑结构的确定 | 第38-40页 |
| 4.8.3 BP神经网络模型的训练和泛化能力检验 | 第40-41页 |
| 4.8.4 实例分析 | 第41-42页 |
| 4.9 本章小结 | 第42-43页 |
| 5 乳制品供应链质量风险控制契约模型 | 第43-56页 |
| 5.1 模型框架 | 第43-45页 |
| 5.1.1 模型描述 | 第43页 |
| 5.1.2 假设条件和变量设定 | 第43-45页 |
| 5.2 考虑整体最优的供应链收益 | 第45-46页 |
| 5.3 各自损失分担的风险控制契约 | 第46-47页 |
| 5.4 外部损失共同分担的风险控制契约 | 第47-49页 |
| 5.5 内外部损失共同分担的风险控制契约 | 第49-51页 |
| 5.6 算例分析 | 第51-55页 |
| 5.7 本章小结 | 第55-56页 |
| 6 总结与展望 | 第56-58页 |
| 6.1 论文总结 | 第56页 |
| 6.2 论文展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第62-64页 |
| 学位论文数据集 | 第64页 |