| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景 | 第10页 |
| ·研究动机和目的 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·灰控制模型的基本理论 | 第12-15页 |
| ·GM(1，1)模型 | 第12-13页 |
| ·GM(1，N)模型 | 第13-14页 |
| ·系统灰预测 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 多变量输入输出灰控制模型 | 第16-35页 |
| ·基于积分变换的一阶多变量输入输出灰控制模型 | 第16-23页 |
| ·基于积分变换的一阶多变量输入输出灰控制模型及其新算法 | 第16-20页 |
| ·基于积分变换的一阶多变量输入输出灰控制模型的应用 | 第20-23页 |
| ·基于积分变换的二阶多变量输入输出灰控制模型 | 第23-29页 |
| ·经典GM(2，N)模型 | 第23页 |
| ·基于积分变换的二阶多变量输入输出灰控制模型 | 第23-24页 |
| ·基于积分变换的二阶多变量输入输出灰控制模型及其算法 | 第24-29页 |
| ·基于采样定理的离散灰状态空间模型及其新解法 | 第29-31页 |
| ·灰系统预测模型 | 第31-34页 |
| ·灰多变量系统预测模型MGM(1，N) | 第32-33页 |
| ·灰多变量系统预测模型MGM(1，N)模型的求解 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 基于灰控制模型的区间预测 | 第35-56页 |
| ·基于灰控制模型的曲线包络区间预测法 | 第35-36页 |
| ·基于灰控制模型的分组建模区间预测法 | 第36-38页 |
| ·基于灰控制模型的灰线性回归区间模型 | 第38-46页 |
| ·一元线性回归模型的区间预测 | 第38-40页 |
| ·灰一元线性回归区间预测 | 第40-41页 |
| ·灰多元线性回归模型的区间预测 | 第41-46页 |
| ·基于灰代数系统理论的灰区间预测 | 第46-53页 |
| ·灰代数系统 | 第46-49页 |
| ·基于灰代数系统理论的灰区间预测模型IGM(1，1) | 第49-51页 |
| ·基于灰代数系统理论的多输入输出灰区间预测模型MIOIGM(1，N) | 第51-53页 |
| ·基于灰代数系统的灰区间预测的应用 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 多变量灰控制模型的实证及优化计算 | 第56-65页 |
| ·灰神经网络模型及优化计算 | 第56-58页 |
| ·人工神经网络发展及BP(Back Propagation)神经网络概述 | 第56-57页 |
| ·应用灰神经网络优化模型进行灰系统预测 | 第57-58页 |
| ·多变量灰系统预测模型的实证 | 第58-63页 |
| ·本章小结 | 第63-65页 |
| 第5章 总结与进一步研究的重点 | 第65-67页 |
| ·本文研究的主要内容 | 第65页 |
| ·进一步研究的重点 | 第65-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间发表论文及参加科研项目情况 | 第72页 |
