基于改进灰色系统-BP神经网络—支持向量机的需求预测模型研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-18页 |
| ·选题背景与研究意义 | 第10-11页 |
| ·选题背景 | 第10页 |
| ·研究意义 | 第10-11页 |
| ·国内外研究现状分析 | 第11-15页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14-15页 |
| ·研究内容与研究方法 | 第15-16页 |
| ·研究内容 | 第15-16页 |
| ·研究方法 | 第16页 |
| ·本文构成 | 第16-18页 |
| 第2章 相关研究理论综述 | 第18-30页 |
| ·需求预测 | 第18-19页 |
| ·需求预测的类型 | 第18-19页 |
| ·需求的影响因素 | 第19页 |
| ·需求预测的方法 | 第19-27页 |
| ·需求预测的传统方法 | 第19-21页 |
| ·需求预测的智能方法 | 第21-27页 |
| ·组合预测 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第3章 改进灰色预测模型的构建 | 第30-38页 |
| ·灰色模型数据处理方法 | 第30页 |
| ·灰色GM(1,1)预测模型 | 第30-34页 |
| ·GM(1,1)模型的改进 | 第34页 |
| ·实例分析 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 BP神经网络预测模型的构建 | 第38-46页 |
| ·BP神经网络模型的构建 | 第38-40页 |
| ·BP神经网络模型预测步骤 | 第40-41页 |
| ·实例分析 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第5章 支持向量机预测模型的构建 | 第46-58页 |
| ·支持向量机预测模型 | 第46-51页 |
| ·线性最优分类面 | 第46-47页 |
| ·支持向量回归机模型构建 | 第47-50页 |
| ·支持向量机模型的核函数及其参数性能 | 第50-51页 |
| ·粒子群优化参数(PSO) | 第51-54页 |
| ·粒子群优化算法 | 第51-52页 |
| ·粒子群优化支持向量机参数 | 第52-54页 |
| ·实例分析 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 第6章 组合预测模型的构建 | 第58-66页 |
| ·组合预测模型分析 | 第58-63页 |
| ·线性组合预测模型 | 第59-61页 |
| ·非线性组合预测模型 | 第61-63页 |
| ·组合预测模型的建立 | 第63-64页 |
| ·实例分析 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第7章 结论 | 第66-68页 |
| ·本文的主要工作 | 第66页 |
| ·研究展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73页 |
