首页--数理科学和化学论文--概率论与数理统计论文--概率论(几率论、或然率论)论文--随机过程论文--期望与预测论文

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

论文共80页,点击 下载论文
上一篇:矩形薄板Hamilton求解体系及其非线性载荷下的屈曲研究
下一篇:带有两类顾客的M/G/1的重试排队模型