| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.1.1 中国农业发展现状 | 第10-11页 |
| 1.1.2 农产品电子商务的兴起与发展 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 农产品电子商务的研究现状 | 第12-14页 |
| 1.2.2 农产品预测系统发展现状 | 第14-15页 |
| 1.2.3 农产品预测方法发展现状 | 第15-17页 |
| 1.3 主要研究内容及思路 | 第17-18页 |
| 第二章 生鲜农产品电子商务模式分析 | 第18-26页 |
| 2.1 电子商务下的生鲜农产品的主要特征 | 第18-19页 |
| 2.2 生鲜农产品电子商务特点及模式分析 | 第19-26页 |
| 2.2.1 生鲜农产品电子商务的特点 | 第19-21页 |
| 2.2.2 传统的生鲜农产品B2C电子商务模式 | 第21-23页 |
| 2.2.3 合作式的生鲜农产品电子商务模式 | 第23-26页 |
| 第三章 生鲜农产品电子商务模式下的需求预测特征分析 | 第26-32页 |
| 3.1 发展生鲜农产品电子商务的客观要求 | 第26-29页 |
| 3.1.1 现存一些生鲜农产品电子商务平台的不足及改进 | 第26-28页 |
| 3.1.2 动态需求预测是发展生鲜农产品电子商务的关键 | 第28-29页 |
| 3.2 生鲜农产品电子商务模式下动态需求预测的复杂性 | 第29-32页 |
| 3.2.1 影响电子商务下生鲜农产品需求的因素分析 | 第29-31页 |
| 3.2.2 结合影响因素展开动态需求预测的重要性 | 第31-32页 |
| 第四章 生鲜农产品的动态需求预测分析系统构成 | 第32-39页 |
| 4.1 动态需求预测方法的选择与评价 | 第32-34页 |
| 4.1.1 动态需求预测方法的选择 | 第32-34页 |
| 4.1.2 动态需求预测方法的评价 | 第34页 |
| 4.2 影响农产品需求各因素的模糊化处理 | 第34-37页 |
| 4.3 动态需求预测分析系统框架 | 第37-39页 |
| 第五章 基于两种方法的生鲜农产品动态需求预测 | 第39-54页 |
| 5.1 基于RBF神经网络的动态需求预测模型 | 第39-42页 |
| 5.1.1 RBF神经网络结构 | 第39-41页 |
| 5.1.2 基于RBF神经网络动态学习算法的建模 | 第41-42页 |
| 5.1.3 基于RBF神经网络的动态需求预测步骤 | 第42页 |
| 5.2 基于SVM(支持向量机)的动态需求预测模型 | 第42-46页 |
| 5.2.1. SVM算法的模型建立 | 第42-45页 |
| 5.2.2. 基于SVM的农产品需求预测步骤 | 第45-46页 |
| 5.3 案例分析 | 第46-51页 |
| 5.3.1 RBF神经网络分析 | 第46-49页 |
| 5.3.2 SVM分析 | 第49-51页 |
| 5.4 两种方法的综合比较分析 | 第51-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 研究结论 | 第54-55页 |
| 6.2 研究展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 附录A | 第59-71页 |
