水运量预测方法及其应用研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·选题的背景及意义 | 第9-11页 |
| ·水运的特点及其在经济发展中的地位 | 第9页 |
| ·水运量预测的目的及意义 | 第9-11页 |
| ·水运量预测的原理与步骤 | 第11-12页 |
| ·水运量预测方法所依据的原理 | 第11页 |
| ·水运量预测的步骤 | 第11-12页 |
| ·货运量预测方法研究现状 | 第12-17页 |
| ·论文研究的内容 | 第17-19页 |
| 第二章 灰色系统理论及其应用 | 第19-31页 |
| ·灰色系统理论概述 | 第19-21页 |
| ·灰色系统的基本概念与分类 | 第19页 |
| ·灰色系统理论的建模思想 | 第19-20页 |
| ·灰色预测的特点及分类 | 第20-21页 |
| ·GM(1，1)模型的建立与检验 | 第21-24页 |
| ·GM(1，1)模型的建立 | 第21-22页 |
| ·GM(1，1)模型的检验 | 第22-24页 |
| ·改进的GM(1，1)模型 | 第24-30页 |
| ·指数加权灰色模型 | 第26页 |
| ·改进的残差修正模型 | 第26-28页 |
| ·改进的灰数递补预测模型 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 人工神经网络预测模型 | 第31-45页 |
| ·神经网络预测模型的引入 | 第31页 |
| ·人工神经网络原理 | 第31-35页 |
| ·人工神经网络特点 | 第31-32页 |
| ·人工神经网络的基本结构 | 第32-34页 |
| ·人工神经网络的学习规则 | 第34-35页 |
| ·BP神经网络 | 第35-42页 |
| ·BP神经网络的工作原理 | 第35-39页 |
| ·标准BP算法的改进 | 第39-42页 |
| ·基于改进的BP神经网络的预测模型 | 第42-44页 |
| ·输入、输出层的设计 | 第42页 |
| ·隐层的设计 | 第42-43页 |
| ·激活函数的确定 | 第43-44页 |
| ·初始权值的影响及设置 | 第44页 |
| ·本章小结 | 第44-45页 |
| 第四章 非线性组合预测模型 | 第45-54页 |
| ·组合预测概述 | 第45-48页 |
| ·组合预测方法分类 | 第45-47页 |
| ·国内外组合预测方法研究概况 | 第47-48页 |
| ·线性最优加权组合预测模型 | 第48-49页 |
| ·基于人工神经网络技术的非线性组合预测模型 | 第49-52页 |
| ·非线性组合预测方法的引入 | 第49-50页 |
| ·基于BP神经网络的非线性组合预测模型 | 第50-52页 |
| ·线性组合与非线性组合预测方法的比较分析 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 江苏内河航道货运总量预测分析 | 第54-77页 |
| ·江苏内河货运发展概况 | 第54页 |
| ·江苏内河货运发展影响因素分析 | 第54-60页 |
| ·江苏内河航道货运总量预测 | 第60-74页 |
| ·指数平滑预测模型 | 第61-63页 |
| ·线性回归预测模型 | 第63-66页 |
| ·灰色预测模型 | 第66-69页 |
| ·神经网络回归预测模型 | 第69-71页 |
| ·组合预测模型 | 第71-74页 |
| ·线性最优加权组合预测模型 | 第71-72页 |
| ·基于改进的BP神经网络的非线性组合预测模型 | 第72-74页 |
| ·预测结果分析 | 第74-77页 |
| 第六章 总结与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-82页 |
| 致谢 | 第82页 |
