基于Kalman-ARMA算法的汽车配件需求预测系统的研究与实现
| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10页 |
| 1.3 论文主要内容和结构安排 | 第10-12页 |
| 第2章 系统需求分析 | 第12-22页 |
| 2.1 提出问题 | 第12页 |
| 2.2 汽车配件类别划分 | 第12-13页 |
| 2.3 汽车配件售后服务供应链分析 | 第13-15页 |
| 2.4 系统需求分析 | 第15-21页 |
| 2.4.1 系统需求详细流程描述 | 第15-19页 |
| 2.4.2 系统用户角色用例设计 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 算法模型选择和实验 | 第22-34页 |
| 3.1 预测算法模型比较 | 第22-23页 |
| 3.1.1 预测算法概述 | 第22页 |
| 3.1.2 现有的预测算法比较 | 第22-23页 |
| 3.2 自适应ARMA模型 | 第23-27页 |
| 3.2.1 ARMA模型原理 | 第23-24页 |
| 3.2.2 LMS类自适应算法 | 第24-25页 |
| 3.2.3 实验仿真及参数设置 | 第25-27页 |
| 3.3 Kalman滤波算法 | 第27-31页 |
| 3.3.1 Kalman滤波问题 | 第27-28页 |
| 3.3.2 新息过程 | 第28-29页 |
| 3.3.3 Kalman滤波算法 | 第29-30页 |
| 3.3.4 实验仿真及参数设置 | 第30-31页 |
| 3.4 Kalman-ARMA算法仿真和实验比较 | 第31-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第4章 系统设计和实现 | 第34-60页 |
| 4.1 系统总体架构设计 | 第34-35页 |
| 4.2 系统总体功能设计 | 第35-38页 |
| 4.3 系统数据库设计 | 第38-43页 |
| 4.3.1 数据库概念设计 | 第38-40页 |
| 4.3.2 数据库逻辑设计 | 第40-43页 |
| 4.4 关键技术介绍 | 第43-44页 |
| 4.4.1 WebService数据抽取 | 第43-44页 |
| 4.4.2 Quartz数据抽取任务调度 | 第44页 |
| 4.4.3 Druid数据库连接池 | 第44页 |
| 4.5 重要功能实现和展示 | 第44-59页 |
| 4.5.1 统计分析管理模块实现和展示 | 第44-47页 |
| 4.5.2 数据抽取管理模块实现和展示 | 第47-51页 |
| 4.5.3 需求预测管理模块实现和展示 | 第51-54页 |
| 4.5.4 基础信息管理模块实现和展示 | 第54-56页 |
| 4.5.5 系统管理模块实现和展示 | 第56-59页 |
| 4.6 本章小结 | 第59-60页 |
| 第5章 系统测试 | 第60-68页 |
| 5.1 测试要求 | 第60页 |
| 5.2 测试环境 | 第60页 |
| 5.3 测试过程 | 第60-67页 |
| 5.3.1 功能测试 | 第60-66页 |
| 5.3.2 性能测试 | 第66-67页 |
| 5.4 测试结果分析 | 第67页 |
| 5.5 本章小结 | 第67-68页 |
| 总结与展望 | 第68-69页 |
| 本文总结 | 第68页 |
| 未来工作展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74-76页 |
| 附录1 WebService介绍 | 第74页 |
| 附录2 Quartz框架介绍 | 第74-75页 |
| 附录3 Druid数据库连接池介绍 | 第75-76页 |
