| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第11-17页 |
| 1.1 研究背景和意义 | 第11页 |
| 1.2 研究现状和文献综述 | 第11-14页 |
| 1.3 研究内容 | 第14-15页 |
| 1.4 技术路线 | 第15-17页 |
| 第2章 港口管理决策和预测相关理论 | 第17-24页 |
| 2.1 港口管理规划内容 | 第17-19页 |
| 2.1.1 港口规划体系 | 第17页 |
| 2.1.2 港口管理规划过程 | 第17-19页 |
| 2.2 预测方法概述 | 第19-23页 |
| 2.2.1 定性预测方法 | 第19-20页 |
| 2.2.2 定量预测方法 | 第20-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第3章 基于量子行为粒子群优化算法的径向基神经网络 | 第24-45页 |
| 3.1 人工神经网络 | 第24-27页 |
| 3.1.1 人工神经网络概述 | 第24-25页 |
| 3.1.2 径向基函数神经网络 | 第25-27页 |
| 3.2 径向基神经网络设计过程 | 第27-36页 |
| 3.2.1 径向基神经网络的结构设计 | 第29-35页 |
| 3.2.2 径向基神经网络的参数设计 | 第35-36页 |
| 3.3 粒子群优化算法 | 第36-39页 |
| 3.4 量子行为粒子群优化算法 | 第39-41页 |
| 3.4.1 量子行为粒子群优化算法基本原理 | 第39-40页 |
| 3.4.2 量子行为粒子群优化算法的模型建立 | 第40-41页 |
| 3.5 QPSO优化RBF神经网络流程 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 厦门港吞吐量预测过程 | 第45-56页 |
| 4.1 厦门港简介 | 第45页 |
| 4.2 港口吞吐量数据分析 | 第45-47页 |
| 4.3 基于量子行为粒子群优化算法的径向基网络预测流程 | 第47-55页 |
| 4.3.1 训练数据预处理 | 第47-49页 |
| 4.3.2 RBF神经网络的结构和参数设置 | 第49-51页 |
| 4.3.3 QPSO-RBF编程实现 | 第51-55页 |
| 4.3.4 RBF神经网络拟合及预测过程 | 第55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 厦门港吞吐量预测模型应用 | 第56-64页 |
| 5.1 预测模型回顾 | 第56-57页 |
| 5.2 预测模型应用比较 | 第57-63页 |
| 5.3 本章小结 | 第63-64页 |
| 第6章 总结 | 第64-66页 |
| 6.1 研究总结 | 第64页 |
| 6.2 研究展望 | 第64-66页 |
| 附录 | 第66-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表论文 | 第74页 |