基于ARIMA模型及回归分析的区域用电量预测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·论文研究背景及意义 | 第8-9页 |
| ·国内外发展及研究现状综述 | 第9-15页 |
| ·数据预测分析方法综述 | 第9-13页 |
| ·粗糙集理论引入预测分析中的研究 | 第13-15页 |
| ·文献综述小结 | 第15页 |
| ·研究目标及研究内容 | 第15-16页 |
| ·论文章节结构 | 第16-18页 |
| 2 预测分析研究框架及相关理论方法 | 第18-32页 |
| ·预测分析理论框架 | 第18-20页 |
| ·时间序列分析方法 | 第20-22页 |
| ·时间序列的定义 | 第20页 |
| ·时间序列的分类 | 第20-21页 |
| ·时间序列的数字特性 | 第21页 |
| ·时间序列分析建模步骤 | 第21页 |
| ·时间序列分析发展趋势 | 第21-22页 |
| ·粗糙集(Rough Sets)中属性约简算法 | 第22-28页 |
| ·RS理论的基本概念 | 第22-24页 |
| ·知识约简 | 第24-25页 |
| ·决策表的属性约简算法 | 第25-28页 |
| ·回归分析方法预测 | 第28-31页 |
| ·多元线性回归分析 | 第29-30页 |
| ·多元非线性回归分析 | 第30-31页 |
| ·主要应用范围 | 第31页 |
| ·本章小结 | 第31-32页 |
| 3 基于ARIMA的时间序列分析研究 | 第32-44页 |
| ·平稳时间序列分析 | 第32-35页 |
| ·自回归AR(p)模型 | 第32-33页 |
| ·滑动平均MA(q)模型 | 第33-35页 |
| ·自回归滑动平均ARMA(p,q)模型 | 第35页 |
| ·非平稳时间序列分析 | 第35-36页 |
| ·建立ARIMA模型的方法步骤 | 第36-40页 |
| ·时间序列的获取 | 第37-38页 |
| ·时间序列的预处理 | 第38-39页 |
| ·模型识别 | 第39-40页 |
| ·模型定阶 | 第40页 |
| ·参数估计 | 第40页 |
| ·模型的验证 | 第40页 |
| ·基于SAS的建模方法过程 | 第40-42页 |
| ·SAS分析软件简介 | 第40-41页 |
| ·SAS时序分析建模步骤 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 4 基于粗糙集的回归分析方法 | 第44-56页 |
| ·横向预测的需求及问题 | 第44-45页 |
| ·基于粗糙集的数据预处理 | 第45-48页 |
| ·缺失属性值的补齐方法 | 第46页 |
| ·属性离敞化算法 | 第46-48页 |
| ·多元回归分析模型及评价 | 第48-53页 |
| ·线性回归模型的建立 | 第48-50页 |
| ·多重共线性及其影响 | 第50-51页 |
| ·前进法、后退法与逐步回归法 | 第51-52页 |
| ·属性约简理论和逐步回归分析比较 | 第52-53页 |
| ·基于粗糙集的回归分析模型 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 5 面向电力需求的应用案例分析 | 第56-72页 |
| ·纵向分析 | 第56-62页 |
| ·数据分析及预处理 | 第56-60页 |
| ·模型识别及参数估计 | 第60-61页 |
| ·模型检验 | 第61页 |
| ·预测结果及分析 | 第61-62页 |
| ·横向分析 | 第62-70页 |
| ·属性离散化 | 第62-65页 |
| ·决策表的属性约简 | 第65-66页 |
| ·回归分析建模 | 第66-69页 |
| ·回归预测结果和分析 | 第69-70页 |
| ·总体评价 | 第70-72页 |
| 6 总结与展望 | 第72-74页 |
| ·总结 | 第72页 |
| ·展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-78页 |
