| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·选题背景与研究意义 | 第7页 |
| ·国内外研究现状 | 第7-10页 |
| ·本文研究的主要内容 | 第10页 |
| ·本文研究方法及创新点 | 第10-12页 |
| 第二章 神经网络模型与非线性组合预测相关理论简介 | 第12-28页 |
| ·神经网络模型 | 第12-21页 |
| ·BP神经网络模型 | 第12-16页 |
| ·Elman神经网络模型 | 第16-18页 |
| ·灰色神经网络模型 | 第18-21页 |
| ·支持向量机预测模型 | 第21-25页 |
| ·支持向量机的的定义与特征 | 第21-22页 |
| ·支持向量机的基本原理 | 第22-25页 |
| ·基于L_1范数的加权几何平均的非线性组合预测模型 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于神经网络的组合预测模型的实例分析 | 第28-48页 |
| ·实验数据准备与分析 | 第28-34页 |
| ·实验数据的准备 | 第28-30页 |
| ·影响因素的分析与筛选 | 第30-34页 |
| ·神经网络模型预测 | 第34-39页 |
| ·BP神经网络预测 | 第35-36页 |
| ·Elman神经网络预测 | 第36-37页 |
| ·灰色神经网络预测 | 第37-39页 |
| ·支持向量机模型预测 | 第39-40页 |
| ·基于L_1范数的加权几何平均的非线性组合预测 | 第40-43页 |
| ·房价趋势预测 | 第43-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 结论与展望 | 第48-50页 |
| ·结论 | 第48-49页 |
| ·展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读硕士学位期间发表的论文 | 第55页 |