| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1．绪论 | 第10-17页 |
| 1.1 引言 | 第10-11页 |
| 1.1.1 选题背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 期货价格预测的研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 现状小结 | 第13-14页 |
| 1.3 研究内容及解决的主要问题 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 解决的主要问题 | 第14-15页 |
| 1.4 主要技术路线及文章内容安排 | 第15-16页 |
| 1.4.1 技术路线 | 第15页 |
| 1.4.2 主要内容安排 | 第15-16页 |
| 1.5 小结 | 第16-17页 |
| 2．相关技术和基础理论 | 第17-32页 |
| 2.1 BP神经网络 | 第17-23页 |
| 2.1.1 BP人工神经网络概念 | 第17页 |
| 2.1.2 BP神经元 | 第17-18页 |
| 2.1.3 BP网络特性分析——BP三要素 | 第18-20页 |
| 2.1.4 BP网络的训练分解 | 第20-22页 |
| 2.1.5 BP算法的优缺点与改进 | 第22页 |
| 2.1.6 BP算法的改进 | 第22-23页 |
| 2.2 小波神经网络 | 第23-27页 |
| 2.2.1 小波的数学概念 | 第23-24页 |
| 2.2.2 小波神经网络类型 | 第24-25页 |
| 2.2.3 小波神经网络参数调整算法 | 第25-26页 |
| 2.2.4 学习算法的具体实现步骤 | 第26页 |
| 2.2.5 常用的小波函数 | 第26-27页 |
| 2.2.6 小波神经网络的特点 | 第27页 |
| 2.3 数据清洗的概念及方法 | 第27-30页 |
| 2.3.1 数据清洗概念 | 第27-28页 |
| 2.3.2 异常数据清洗方式 | 第28-29页 |
| 2.3.3 缺失值填充方式 | 第29-30页 |
| 2.4 Python介绍 | 第30-31页 |
| 2.4.1 Python | 第30页 |
| 2.4.2 Python安装步骤 | 第30-31页 |
| 2.5 小结 | 第31-32页 |
| 3．基于神经网络的期货螺纹钢价格预测模型构建 | 第32-38页 |
| 3.1 基于BP神经网络的期货螺纹钢价格预测模型构建 | 第32-34页 |
| 3.1.1 数据来源 | 第32页 |
| 3.1.2 模型建立 | 第32-34页 |
| 3.2 基于小波神经网络的期货螺纹钢价格预测模型构建 | 第34-36页 |
| 3.2.1 数据来源 | 第34页 |
| 3.2.2 模型建立 | 第34-36页 |
| 3.3 小结 | 第36-38页 |
| 4．实验分析 | 第38-60页 |
| 4.1 基于BP神经网络的螺纹钢价格预测模型进行实例分析 | 第38-48页 |
| 4.1.1 数据预处理 | 第38-46页 |
| 4.1.2 数据归一化处理 | 第46-47页 |
| 4.1.3 预测数据的逻辑 | 第47-48页 |
| 4.2 BP神经网络建模数据实验结果分析 | 第48-53页 |
| 4.2.1 隐含层个数为5的预测结果分析 | 第48-49页 |
| 4.2.2 隐含层个数为6的预测结果分析 | 第49-51页 |
| 4.2.3 隐含层个数为7的预测结果分析 | 第51-52页 |
| 4.2.4 结果对比分析 | 第52-53页 |
| 4.3 基于小波神经网络的螺纹钢价格预测模型进行实例分析 | 第53-54页 |
| 4.3.1 数据预处理 | 第53-54页 |
| 4.3.2 预测数据的逻辑 | 第54页 |
| 4.4 小波神经网络建模数据实验结果分析 | 第54-59页 |
| 4.4.1 隐含层个数为5的预测结果分析 | 第54-56页 |
| 4.4.2 隐含层个数为6的预测结果分析 | 第56-57页 |
| 4.4.3 隐含层个数为7的预测结果分析 | 第57-58页 |
| 4.4.4 数据结果分析 | 第58-59页 |
| 4.5 小结 | 第59-60页 |
| 5．BP预测模型与小波预测模型实例对比 | 第60-70页 |
| 5.1 预测结果对比 | 第60-67页 |
| 5.1.1 数据来源 | 第60页 |
| 5.1.2 数据预处理 | 第60-63页 |
| 5.1.3 输入输出设定 | 第63-64页 |
| 5.1.4 隐含层个数设定 | 第64页 |
| 5.1.5 结果分析 | 第64-67页 |
| 5.2 期货螺纹钢价格影响因素分析 | 第67-69页 |
| 5.2.1 MIV分析方法 | 第67-68页 |
| 5.2.2 灰色关联分析 | 第68-69页 |
| 5.3 小结 | 第69-70页 |
| 结论与展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第77-78页 |
