| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第1章 引言 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 本文贡献 | 第14-15页 |
| 1.4 文章结构 | 第15-16页 |
| 第2章 电商应用与电商流量特征分析 | 第16-23页 |
| 2.1 电商应用总体介绍 | 第16-18页 |
| 2.1.1 电商应用流量的产生 | 第16页 |
| 2.1.2 电商应用的架构 | 第16-18页 |
| 2.2 电商流量的特性分析 | 第18-22页 |
| 2.2.1 电商流量的周期性 | 第18页 |
| 2.2.2 电商流量的分布特性 | 第18-19页 |
| 2.2.3 电商流量的平稳性 | 第19-20页 |
| 2.2.4 电商流量中的脉冲 | 第20-21页 |
| 2.2.5 电商流量中的异常 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第3章 Seq2Seq 神经?络模型的时间序列预测 | 第23-32页 |
| 3.1 时间序列预测问题描述 | 第23页 |
| 3.2 Seq2Seq 神经?络预测模型 | 第23-26页 |
| 3.2.1 LSTM人工神经?络发展历史 | 第23-24页 |
| 3.2.2 基于 LSTM 的 Seq2Seq 神经?络模型结构 | 第24页 |
| 3.2.3 优化算法与参数搜索 | 第24页 |
| 3.2.4 Dropout | 第24-26页 |
| 3.3 流量时序预测实验分析 | 第26-31页 |
| 3.3.1 实验环境 | 第26页 |
| 3.3.2 实验数据 | 第26-27页 |
| 3.3.3 评估指标 | 第27-28页 |
| 3.3.4 对比算法 | 第28-29页 |
| 3.3.5 实验结果分析 | 第29-31页 |
| 3.4 本章节小结 | 第31-32页 |
| 第4章 不确定性估计 | 第32-39页 |
| 4.1 不确定性估计问题描述 | 第32页 |
| 4.2 不确定性区间计算方法 | 第32-34页 |
| 4.2.1 贝叶斯神经网路 | 第32-33页 |
| 4.2.2 模型认知不确定性 | 第33页 |
| 4.2.3 异方差不确定性 | 第33页 |
| 4.2.4 同方差不确定性 | 第33-34页 |
| 4.2.5 三种不确定性结合 | 第34页 |
| 4.3 不确定性区间估计实验分析 | 第34-38页 |
| 4.3.1 实验环境与实验数据 | 第34页 |
| 4.3.2 评估指标 | 第34-36页 |
| 4.3.3 实验结果分析 | 第36-38页 |
| 4.4 本章节小结 | 第38-39页 |
| 第5章 总结与未来工作 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第43-44页 |
| 致谢 | 第44页 |