| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-13页 |
| 1.1 选题背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 库存控制策略研究 | 第9-10页 |
| 1.2.2 时间序列预测 | 第10-11页 |
| 1.3 主要研究内容 | 第11-12页 |
| 1.4 论文的组织结构 | 第12页 |
| 1.5 小结 | 第12-13页 |
| 2 相关理论与技术 | 第13-27页 |
| 2.1 数据挖掘与时间序列 | 第13-15页 |
| 2.2 预测模型 | 第15-20页 |
| 2.2.1 常用模型简述 | 第15-18页 |
| 2.2.2 时序预测过程 | 第18-20页 |
| 2.3 小波变换理论 | 第20-22页 |
| 2.4 时间序列相似性度量方法 | 第22-25页 |
| 2.5 ABC分类法 | 第25-26页 |
| 2.6 小结 | 第26-27页 |
| 3 信息采集与提取 | 第27-37页 |
| 3.1 信息采集现状 | 第27-28页 |
| 3.2 采购提取 | 第28-30页 |
| 3.3 销量提取 | 第30-33页 |
| 3.4 库存及周转率提取 | 第33-36页 |
| 3.5 小结 | 第36-37页 |
| 4 基于小波变换的改进ARIMA模型 | 第37-58页 |
| 4.1 模型评价指标 | 第37页 |
| 4.2 数据预处理 | 第37-38页 |
| 4.3 基于小波分解的ARIMA模型（WT_ARIMA模型） | 第38-45页 |
| 4.3.1 模型原理 | 第38-39页 |
| 4.3.2 参数确定 | 第39-42页 |
| 4.3.3 参数估计 | 第42-44页 |
| 4.3.4 预测方法 | 第44-45页 |
| 4.4 基于小波变换的改进ARIMA模型 | 第45-57页 |
| 4.4.1 提出背景 | 第45-46页 |
| 4.4.2 改进原理 | 第46-48页 |
| 4.4.3 建模分析 | 第48-51页 |
| 4.4.4 预测分析 | 第51-57页 |
| 4.5 小结 | 第57-58页 |
| 5 实证分析 | 第58-64页 |
| 5.1 方案设计 | 第58-59页 |
| 5.2 方案对比 | 第59-63页 |
| 5.2.1 周转率 | 第59-60页 |
| 5.2.2 周转天数达标比 | 第60-61页 |
| 5.2.3 滞销率和缺货率 | 第61-62页 |
| 5.2.4 对比结果 | 第62-63页 |
| 5.3 小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-71页 |
| 攻读硕士期间发表的学术论文 | 第71-72页 |
| 附录 | 第72-74页 |