话务量时间序列预测方法的实现
| 提要 | 第1-7页 |
| 第一章 引言 | 第7-9页 |
| ·研究背景 | 第7-8页 |
| ·本文主要工作 | 第8-9页 |
| 第二章 话务量预测系统 | 第9-15页 |
| ·系统概述 | 第9-10页 |
| ·系统结构设计 | 第10-11页 |
| ·功能模块设计 | 第11-12页 |
| ·预测系统应用实例 | 第12-15页 |
| 第三章 预测与时间序列分析 | 第15-34页 |
| ·预测的分类 | 第15-16页 |
| ·预测的基本原则 | 第16-17页 |
| ·预测性能的度量 | 第17-18页 |
| ·时间序列分析 | 第18-34页 |
| ·时间序列分析简介 | 第18-20页 |
| ·指数平滑模型 | 第20-21页 |
| ·指数平滑模型的应用 | 第21-23页 |
| ·周期模型 | 第23-24页 |
| ·周期模型的应用 | 第24-27页 |
| ·线性随机模型 | 第27-31页 |
| ·线性随机模型的应用 | 第31-34页 |
| 第四章 基于实例的近邻算法 | 第34-40页 |
| ·K-近邻算法简介 | 第34页 |
| ·K-近邻预测算法 | 第34-37页 |
| ·K-近邻预测算法的原理 | 第35-36页 |
| ·K-近邻预测算法的描述 | 第36-37页 |
| ·K-近邻预测算法的应用 | 第37-40页 |
| 第五章 人工神经网络方法 | 第40-48页 |
| ·人工神经网络简介 | 第40-41页 |
| ·BP神经网络模型 | 第41-45页 |
| ·BP算法的原理 | 第42-43页 |
| ·BP算法的描述 | 第43-45页 |
| ·BP神经网络模型的应用 | 第45-48页 |
| 第六章 周期模型与近邻算法相结合的预测方法 | 第48-51页 |
| ·周期模型与近邻算法相结合的思想 | 第48-49页 |
| ·周期模型与近邻算法相结合的预测模型 | 第49页 |
| ·周期模型与近邻算法相结合的模型的应用 | 第49-51页 |
| 第七章 总结与展望 | 第51-53页 |
| ·总结 | 第51-52页 |
| ·工作展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 摘要 | 第55-58页 |
| Abstract | 第58-61页 |
| 致谢 | 第61页 |
