基于时间序列ARIMA模型的分析预测算法研究及系统实现
摘要 | 第1-6页 |
ABSTRACT | 第6-10页 |
第一章 绪论 | 第10-15页 |
·研究背景及意义 | 第10页 |
·国内外研究现状 | 第10-13页 |
·主要研究内容 | 第13-14页 |
·论文组织结构 | 第14-15页 |
第二章 时序挖掘及预测 | 第15-33页 |
·数据挖掘 | 第15-18页 |
·数据挖掘基本概念 | 第15页 |
·数据挖掘系统分类 | 第15-16页 |
·数据挖掘技术方法 | 第16-18页 |
·时间序列数据挖掘 | 第18-22页 |
·时序的定义 | 第18-19页 |
·时序数据库 | 第19页 |
·时序挖掘研究方向 | 第19-22页 |
·ARIMA模型及方法分析 | 第22-32页 |
·基本概念 | 第22-23页 |
·时间序列模型 | 第23-25页 |
·传统方法优缺点 | 第25-32页 |
·本章小结 | 第32-33页 |
第三章 NARIMA分析方法 | 第33-43页 |
·NARIMA方法介绍 | 第33-40页 |
·分析流程图 | 第33页 |
·数据的预处理 | 第33-37页 |
·模型结构辨识 | 第37-39页 |
·模型参数估计 | 第39页 |
·预测分析 | 第39-40页 |
·线性最小方差预测算法 | 第40-42页 |
·线性最小方差预测原理 | 第40页 |
·ARMA模型最小方差预测 | 第40-42页 |
·最优Astrom递推预报算法 | 第42页 |
·本章小结 | 第42-43页 |
第四章 仿真试验和分析 | 第43-62页 |
·预测结果的评测指标 | 第43页 |
·建模分析 | 第43-54页 |
·样本序列 | 第43-45页 |
·数据预处理 | 第45-47页 |
·模型辨识 | 第47-50页 |
·参数估计 | 第50-54页 |
·预测分析 | 第54-57页 |
·Kastrom多步预测算法 | 第57-61页 |
·本章小结 | 第61-62页 |
第五章 预测仿真系统 | 第62-75页 |
·技术框架 | 第62-67页 |
·Swing框架 | 第63页 |
·Spring框架 | 第63-65页 |
·Hibernate框架 | 第65-67页 |
·系统设计 | 第67-70页 |
·研发目标 | 第67-68页 |
·开发环境 | 第68页 |
·功能模块 | 第68-69页 |
·设计用例 | 第69-70页 |
·系统实现 | 第70-74页 |
·系统代码结构 | 第70-71页 |
·系统运行实例 | 第71-74页 |
·本章小结 | 第74-75页 |
第六章 结束语 | 第75-76页 |
·总结 | 第75页 |
·展望 | 第75-76页 |
参考文献 | 第76-79页 |
致谢 | 第79-80页 |
攻读硕士期间发表的论文 | 第80页 |