| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国外国内研究动态 | 第11-13页 |
| 1.2.1 国外研究动态 | 第11-12页 |
| 1.2.2 国内研究动态 | 第12-13页 |
| 1.3 本文的主要内容和结构安排 | 第13-16页 |
| 第二章 能耗统计数据的特征分析与模型选定 | 第16-24页 |
| 2.1 航空运输企业能耗序列分析与模型选定 | 第16-17页 |
| 2.1.1 航空运输企业能耗数据特征分析 | 第16页 |
| 2.1.2 小波时间序列模型 | 第16-17页 |
| 2.2 航空运输企业油耗分析与模型选定 | 第17-20页 |
| 2.2.1 航空运输企业能源消耗结构 | 第17-18页 |
| 2.2.2 航空运输企业油耗及其影响因素分析 | 第18-19页 |
| 2.2.3 PCA-BP模型与数量化理论I模型 | 第19-20页 |
| 2.3 基于QAR数据的航班油耗分析与模型选定 | 第20-23页 |
| 2.3.1 航油消耗与其影响因素的关系 | 第20-23页 |
| 2.3.2 多元回归模型 | 第23页 |
| 2.4 章末小结 | 第23-24页 |
| 第三章 能耗统计数据的小波时间序列分析 | 第24-40页 |
| 3.1 基于ARIMA模型的航空运输企业能耗分析 | 第24-31页 |
| 3.1.1 ARIMA模型 | 第24-26页 |
| 3.1.2 能耗序列平稳性检验 | 第26-27页 |
| 3.1.3 模型识别与定阶 | 第27-28页 |
| 3.1.4 参数估计 | 第28页 |
| 3.1.5 模型检验 | 第28-29页 |
| 3.1.6 航空运输企业能耗数据来源及其适用性 | 第29页 |
| 3.1.7 基于ARIMA模型的航空运输企业综合能耗实例分析 | 第29-31页 |
| 3.2 基于小波ARIMA模型的航空运输企业能耗分析 | 第31-37页 |
| 3.2.1 小波分析及其特性 | 第32-33页 |
| 3.2.2 小波分析对航空运输企业能耗序列分析的适用性 | 第33-34页 |
| 3.2.3 基于小波ARIMA模型的航空运输企业综合能耗实例分析 | 第34-37页 |
| 3.3 ARIMA模型与小波ARIMA模型对比与分析 | 第37-39页 |
| 3.4 章末小结 | 第39-40页 |
| 第四章 能耗统计数据的PCA-BP与数量化理论分析 | 第40-48页 |
| 4.1 PCA-BP模型分析 | 第40-42页 |
| 4.1.1 主成分分析方法 | 第40-41页 |
| 4.1.2 BP神经网络 | 第41页 |
| 4.1.3 PCA-BP神经网络适用性 | 第41-42页 |
| 4.2 数量化理论Ⅰ模型及实例分析 | 第42-47页 |
| 4.2.1 数量化理论Ⅰ及数据适用性 | 第42-44页 |
| 4.2.2 基于数量化理论Ⅰ模型的航空运输企业月度油耗实例分析 | 第44-47页 |
| 4.3 章末小结 | 第47-48页 |
| 第五章 能耗统计数据的多元回归分析 | 第48-60页 |
| 5.1 多元线性回归模型及数据适用性 | 第48-55页 |
| 5.1.1 多元线性回归模型 | 第48页 |
| 5.1.2 模型检验 | 第48-50页 |
| 5.1.3 多元线性回归模型的数据适用性分析 | 第50-51页 |
| 5.1.4 数据来源 | 第51-52页 |
| 5.1.5 建模流程 | 第52-53页 |
| 5.1.6 基于多元线性回归模型的航班油耗实例分析 | 第53-55页 |
| 5.2 多元非线性回归模型及数据适用性 | 第55-57页 |
| 5.2.1 多元非线性回归模型及数据适用性 | 第55页 |
| 5.2.2 基于多元非线性回归模型的航班油耗实例分析 | 第55-57页 |
| 5.3 两种多元回归模型结果对比分析 | 第57-58页 |
| 5.4 章末小结 | 第58-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 作者简介 | 第66页 |
