我国汽车产量的分析与预测研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 我国汽车产量预测分析研究的意义 | 第9页 |
| 1.2 时间序列分析综述 | 第9-11页 |
| 1.3 本文主要研究内容 | 第11-12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 第2章 指数平滑法模型预测 | 第13-17页 |
| 2.1 简单指数平滑法 | 第13-14页 |
| 2.2 Holt线性指数平滑法 | 第14-15页 |
| 2.3 Holt-Winters指数平滑法 | 第15-17页 |
| 第3章 ARMA模型预测分析 | 第17-29页 |
| 3.1 时序特性的分析 | 第17-18页 |
| 3.1.1 时序的随机性 | 第17页 |
| 3.1.2 时序的平稳性 | 第17-18页 |
| 3.1.3 时序季节性的识别与消除 | 第18页 |
| 3.2 ARMA模型及其改进模型 | 第18-21页 |
| 3.3 样本自相关系数与偏自相关系数 | 第21-22页 |
| 3.4 随机时间序列模型的建立 | 第22-27页 |
| 3.4.1 模型的识别 | 第22页 |
| 3.4.2 参数估计 | 第22-25页 |
| 3.4.3 模型检验 | 第25-26页 |
| 3.4.4 模型的优化 | 第26-27页 |
| 3.5 时序模型预测 | 第27-29页 |
| 第4章 BP神经网络预测分析 | 第29-35页 |
| 4.1 神经网络概述 | 第29页 |
| 4.2 多层感知器 | 第29-30页 |
| 4.3 BP神经网络算法原理 | 第30-35页 |
| 第5章 实证分析 | 第35-57页 |
| 5.1 数据来源 | 第35-36页 |
| 5.2 数据缺失值处理 | 第36-38页 |
| 5.3 指数平滑法预测 | 第38-44页 |
| 5.4 ARIMA模型预测 | 第44-51页 |
| 5.4.1 时间序列图检验 | 第44页 |
| 5.4.2 差分平稳化 | 第44-46页 |
| 5.4.3 平稳性检验 | 第46-47页 |
| 5.4.4 模型定阶及参数估计 | 第47-49页 |
| 5.4.5 模型诊断 | 第49-50页 |
| 5.4.6 模型的预测 | 第50-51页 |
| 5.5 BP神经网络预测 | 第51-55页 |
| 5.6 预测结果比较 | 第55-57页 |
| 第6章 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
