汽车配件需求预测研究及其系统设计
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第11-19页 |
1.1 课题的背景及意义 | 第11-13页 |
1.2 国内外研究现状 | 第13-15页 |
1.2.1 预测方法的研究现状 | 第13-14页 |
1.2.2 汽车配件需求预测的研究现状 | 第14-15页 |
1.3 论文研究的技术路线 | 第15-16页 |
1.4 论文研究内容及章节安排 | 第16-19页 |
第2章 预测理论与方法概述 | 第19-41页 |
2.1 预测理论概述 | 第19-23页 |
2.1.1 预测和需求预测的概念 | 第19页 |
2.1.2 预测的基本原则 | 第19-20页 |
2.1.3 预测的分类 | 第20-22页 |
2.1.4 预测的基本步骤 | 第22-23页 |
2.2 传统的预测方法 | 第23-35页 |
2.2.1 多元线性回归预测方法 | 第23-26页 |
2.2.2 季节变动时间序列预测方法 | 第26-28页 |
2.2.3 灰色系统预测方法 | 第28-30页 |
2.2.4 指数平滑预测方法 | 第30-32页 |
2.2.5 人工神经网络预测法 | 第32-35页 |
2.3 组合预测方法 | 第35-39页 |
2.3.1 组合预测模型 | 第36页 |
2.3.2 加权系数的确定方法 | 第36-39页 |
2.4 预测模型质量评估 | 第39-41页 |
第3章 汽车配件需求预测模型的建立 | 第41-55页 |
3.1 需求分析与汽车配件的分类 | 第41-43页 |
3.1.1 需求分析 | 第41-42页 |
3.1.2 汽车配件的分类 | 第42-43页 |
3.2 需求预测的总体结构设计 | 第43-44页 |
3.2.1 需求预测结构设计的思想 | 第43页 |
3.2.2 需求预测总体结构 | 第43-44页 |
3.3 线性回归预测模型的建立 | 第44-46页 |
3.4 季节变动时间序列预测模型的建立 | 第46-49页 |
3.4.1 季节变动时间序列乘法型渐进预测模型 | 第47-48页 |
3.4.2 季节变动时间序列乘法型预测模型 | 第48-49页 |
3.5 灰色系统预测模型的建立 | 第49-50页 |
3.6 指数平滑预测模型的建立 | 第50-52页 |
3.7 人工神经网络法 | 第52-55页 |
3.7.1 样本输入向量与理想输出向量的确定 | 第52页 |
3.7.2 样本输入向量和输出向量归一化 | 第52页 |
3.7.3 新建newff | 第52-53页 |
3.7.4 训练train函数 | 第53-54页 |
3.7.5 仿真sim函数 | 第54-55页 |
第4章 基于IOWGA算子的组合预测模型 | 第55-61页 |
4.1 OWGA算子和IOWGA算子的定义 | 第55-56页 |
4.2 基于IOWGA算子的组合预测模型 | 第56-58页 |
4.2.1 基于IOWGA算子的组合预测模型 | 第56-57页 |
4.2.2 组合预测中冗余预测方法的判定 | 第57-58页 |
4.3 基于IOWGA算子的组合预测模型的建立 | 第58-61页 |
第5章 需求预测的实验仿真与结果分析 | 第61-73页 |
5.1 仿真环境 | 第61页 |
5.2 专用配件的需求预测仿真与分析 | 第61-64页 |
5.2.1 实验仿真 | 第61-63页 |
5.2.2 结果分析 | 第63-64页 |
5.3 具有季节周期性的配件需求仿真与分析 | 第64-66页 |
5.3.1 实验仿真 | 第64-66页 |
5.3.2 结果分析 | 第66页 |
5.4 具有地域性的配件需求仿真与分析 | 第66-69页 |
5.4.1 实验仿真 | 第66-69页 |
5.4.2 结果分析 | 第69页 |
5.5 通用配件的需求仿真与分析 | 第69-73页 |
5.5.1 实验仿真 | 第69-72页 |
5.5.2 结果分析 | 第72-73页 |
第6章 需求预测子系统的设计与实现 | 第73-81页 |
6.1 系统的总体设计 | 第73-76页 |
6.1.1 设计原则 | 第73页 |
6.1.2 需求预测子系统总体结构设计 | 第73-76页 |
6.2 系统主要功能的实现 | 第76-81页 |
6.2.1 系统运行支撑平台 | 第76页 |
6.2.2 系统的主要功能界面 | 第76-81页 |
第7章 总结与展望 | 第81-83页 |
7.1 本文总结 | 第81页 |
7.2 研究展望 | 第81-83页 |
参考文献 | 第83-85页 |
致谢 | 第85页 |