基于聚类和非参数回归的加油站成品油需求预测方法
| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-17页 |
| 1.1 问题的提出与研究意义 | 第7-9页 |
| 1.1.1 问题的提出 | 第7-8页 |
| 1.1.2 研究意义 | 第8-9页 |
| 1.2 国内外相关研究综述 | 第9-14页 |
| 1.2.1 基于聚类的需求预测问题相关研究综述 | 第9-10页 |
| 1.2.2 聚类有效性评价问题的相关研究综述 | 第10-12页 |
| 1.2.3 非参数回归问题的相关研究综述 | 第12-13页 |
| 1.2.4 国内外相关研究小结 | 第13-14页 |
| 1.3 本文的主要研究工作 | 第14-17页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 研究思路 | 第15-17页 |
| 2 基于数据流的加油站成品油需求预测问题分析 | 第17-22页 |
| 2.1 加油站液位仪数据流特征分析 | 第17-20页 |
| 2.2 成品油需求预测思路 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 3 基于聚类和非参数回归的成品油需求预测方法 | 第22-34页 |
| 3.1 销售数据的归一化 | 第22-23页 |
| 3.2 油品销售数据的聚类 | 第23-27页 |
| 3.2.1 销售数据的相似性度量 | 第23-24页 |
| 3.2.2 销售数据的K-means聚类 | 第24-25页 |
| 3.2.3 聚类的有效性评估 | 第25-27页 |
| 3.3 需求预测模型的构建 | 第27-31页 |
| 3.3.1 模型的建立 | 第27-30页 |
| 3.3.2 带宽的选择 | 第30-31页 |
| 3.4 相关影响因素分析 | 第31-32页 |
| 3.5 决策树分类预测模型的构建 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 4 数据实验与应用实例 | 第34-44页 |
| 4.1 评价指标的选取 | 第34页 |
| 4.2 销售数据预处理 | 第34-38页 |
| 4.2.1 销售数据的集成 | 第34-36页 |
| 4.2.2 销售数据的平稳化 | 第36-38页 |
| 4.3 数值实验结果 | 第38-42页 |
| 4.3.1 油品每日销售数据的聚类 | 第38-39页 |
| 4.3.2 需求模式的分类决策树 | 第39-40页 |
| 4.3.3 预测结果对比分析 | 第40-42页 |
| 4.4 应用实例 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 结论 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 附录A 预测算法核心MATLAB与R代码 | 第50-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61页 |
| 攻读硕士学位期间参加科研项目情况 | 第61-62页 |
| 致谢 | 第62-64页 |
