| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-12页 |
| 1.1 论文选题背景及其研究意义 | 第8-9页 |
| 1.2 国内外文献综述 | 第9-10页 |
| 1.3 本文研究方法与创新 | 第10-11页 |
| 1.3.1 研究方法 | 第10-11页 |
| 1.3.2 本文的创新点 | 第11页 |
| 1.4 论文的章节安排 | 第11-12页 |
| 2 ARIMA模型理论研究背景介绍 | 第12-17页 |
| 2.1 时间序列的概述 | 第12页 |
| 2.2 ARIMA模型的提出 | 第12页 |
| 2.3 ARIMA模型的构造 | 第12-13页 |
| 2.4 ARIMA模型建模流程 | 第13-17页 |
| 2.4.1 数据的平稳化处理 | 第13页 |
| 2.4.2 AMIMA模型的识别规则 | 第13-14页 |
| 2.4.3 ARIMA模型的参数估计 | 第14页 |
| 2.4.4 ARIMA模型的检验 | 第14-15页 |
| 2.4.7 模型的优化 | 第15-16页 |
| 2.4.8 模型的预测 | 第16-17页 |
| 3 BP神经网络 | 第17-24页 |
| 3.1 神经网络概述 | 第17页 |
| 3.2 BP神经网络算法原理 | 第17-21页 |
| 3.3 BP神经网络设计 | 第21页 |
| 3.3.1 输入层、隐藏层和输出层的层数的设计 | 第21页 |
| 3.3.2 输入层和输出层的节点数的设计 | 第21页 |
| 3.3.3 隐藏层的节点数的设计 | 第21页 |
| 3.4 本文中用到的matlab中BP神经网络的函数的介绍 | 第21-24页 |
| 3.4.1 创建一个前向BP网络 | 第21页 |
| 3.4.2 神经网络的激活函数 | 第21-23页 |
| 3.4.3 BP神经网络的训练函数 | 第23页 |
| 3.4.4 BP神经网络性能函数 | 第23-24页 |
| 4 论文下载量为例论文下载量的实证分析 | 第24-37页 |
| 4.1 数据的来源 | 第24页 |
| 4.2 数据的预处理分析 | 第24-26页 |
| 4.3 基于ARIMA模型对论文下载量进行预测 | 第26-31页 |
| 4.3.1 时间序列图 | 第26页 |
| 4.3.2 序列的平稳性识别 | 第26-27页 |
| 4.3.3 ARIMA模型建模 | 第27-31页 |
| 4.4 BP神经网络对论文下载量的预测 | 第31-37页 |
| 5 本文结论 | 第37-38页 |
| 参考文献 | 第38-40页 |
| 附录A 本文程序全文 | 第40-44页 |
| 致谢 | 第44-45页 |