摘要 | 第3-4页 |
Abstract | 第4页 |
第一章 绪论 | 第8-13页 |
1.1 论文选题背景及研究意义 | 第8-9页 |
1.1.1 论文选题背景 | 第8-9页 |
1.1.2 论文研究意义 | 第9页 |
1.2 国内外研究现状 | 第9-12页 |
1.2.1 传统预测方法 | 第9-10页 |
1.2.2 新兴预测方法 | 第10页 |
1.2.3 组合预测方法 | 第10-11页 |
1.2.4 残差修正法 | 第11-12页 |
1.3 本文的研究内容及结构安排 | 第12-13页 |
第二章 ARIMA模型 | 第13-21页 |
2.1 ARIMA模型概述 | 第13-14页 |
2.1.1 时间序列分析法简述 | 第13页 |
2.1.2 ARIMA模型的提出 | 第13页 |
2.1.3 ARIMA模型的构成 | 第13-14页 |
2.2 ARIMA模型 | 第14页 |
2.3 平稳性条件 | 第14-15页 |
2.3.1 AR(p)模型的平稳性条件 | 第14-15页 |
2.3.2 MA(q)模型的平稳性条件 | 第15页 |
2.3.3 ARIMA(p,d,q)模型的平稳性条件 | 第15页 |
2.4 ADF单位根检验 | 第15-18页 |
2.4.1 DF检验 | 第15-16页 |
2.4.2 DF检验的等价表达 | 第16-17页 |
2.4.3 DF检验的三种类型 | 第17页 |
2.4.4 ADF检验 | 第17-18页 |
2.5 建模流程 | 第18-21页 |
2.5.1 数据的平稳化处理 | 第18页 |
2.5.2 自相关函数和偏自相关函数 | 第18页 |
2.5.3 ARIMA模型识别规则 | 第18-19页 |
2.5.4 参数估计 | 第19页 |
2.5.5 模型定阶 | 第19页 |
2.5.6 模型检验 | 第19-20页 |
2.5.7 模型预测 | 第20-21页 |
第三章 灰色预测模型 | 第21-27页 |
3.1 灰色系统基本理论 | 第21页 |
3.2 传统灰色预测模型 | 第21-23页 |
3.2.1 GM(1,1)建模原理 | 第21-22页 |
3.2.2 GM(1,1)模型检验 | 第22-23页 |
3.3 基于灰色预测理论修正ARIMA模型 | 第23-27页 |
3.3.1 改进原理 | 第23-24页 |
3.3.2 GM-ARIMA模型流程图 | 第24-25页 |
3.3.3 建立GM-ARIMA模型 | 第25-27页 |
第四章 GM-ARIMA模型的应用-以甘肃省发电量预测为例 | 第27-37页 |
4.1 数据来源 | 第27-28页 |
4.1.1 数据来源 | 第27-28页 |
4.1.2 作图 | 第28页 |
4.2 基于ARIMA模型甘肃省发电量预测 | 第28-33页 |
4.2.1 甘肃省发电量数据的平稳化处理 | 第28-30页 |
4.2.2 ARIMA模型的识别与建立 | 第30-32页 |
4.2.3 ARIMA模型预测 | 第32-33页 |
4.3 基于GM-ARIMA模型甘肃省发电量预测 | 第33-34页 |
4.3.1 基于灰色预测理论改进ARIMA模型 | 第33页 |
4.3.2 甘肃省发电量数据分析 | 第33-34页 |
4.4 结果分析 | 第34-37页 |
4.4.1 常用模型精度评价指标 | 第34-35页 |
4.4.2 结果分析 | 第35-36页 |
4.4.3 积极政策指导 | 第36-37页 |
第五章 结论与展望 | 第37-38页 |
参考文献 | 第38-39页 |
在学期间的研究成果 | 第39-40页 |
致谢 | 第40页 |