摘要 | 第1-7页 |
ABSTRACT | 第7-9页 |
目录 | 第9-11页 |
第一章 绪论 | 第11-28页 |
·研究背景 | 第11-17页 |
·宏观背景 | 第11-13页 |
·行业背景 | 第13-15页 |
·技术背景 | 第15-17页 |
·研究动机和意义 | 第17-23页 |
·研究动机 | 第17-21页 |
·研究的意义 | 第21-23页 |
·研究内容及结构安排 | 第23-28页 |
·研究内容 | 第23-26页 |
·论文结构 | 第26-28页 |
第二章 时间序列预测理论回顾 | 第28-51页 |
·预测理论回顾 | 第28-33页 |
·预测的概念 | 第28-29页 |
·预测的分类 | 第29-31页 |
·预测的原则和步骤 | 第31-33页 |
·回归预测理论回顾 | 第33-36页 |
·回归分析的概念 | 第33-34页 |
·回归预测的过程 | 第34-36页 |
·时间序列预测理论回顾 | 第36-45页 |
·时间序列的概念 | 第36-40页 |
·时间序列分析理论回顾 | 第40-42页 |
·随机时间序列分析模型(时域分析) | 第42-45页 |
·短时间序列预测理论回顾 | 第45-51页 |
·应用灰色系统理论模型进行短时间序列预测 | 第45-46页 |
·应用数据挖掘进行短时间序列预测 | 第46-47页 |
·短时间序列预测新思路 | 第47-51页 |
第三章 季节性条件概率模型(SM)建模 | 第51-77页 |
·引言 | 第51-54页 |
·时间序列季节因素相关概念 | 第51-52页 |
·季节调整的理论依据 | 第52-53页 |
·时间序列分析中季节性的调整技术 | 第53-54页 |
·基于季节末总量的部分累积量条件分布模型 | 第54-72页 |
·相关变量定义 | 第54-57页 |
·季节的稳定性及其在短时间序列预测中的应用 | 第57-66页 |
·稳定季节性短时间序列模型构建 | 第66-68页 |
·非稳定性模型构建 | 第68-72页 |
·模型实验结果及分析 | 第72-77页 |
·实验工具及实验数据 | 第72-73页 |
·模型的应用及结果分析 | 第73-77页 |
第四章 趋势性自回归模型(TM)建模 | 第77-89页 |
·引言 | 第77-83页 |
·时间序列趋势性的概念 | 第77-79页 |
·趋势性在时间序列分析中的应用 | 第79-83页 |
·季节末总量趋势自回归模型 | 第83-86页 |
·相关变量定义 | 第84页 |
·短时间序列总量趋势模型(TM)建模 | 第84-86页 |
·模型实验结果及分析 | 第86-89页 |
·实验工具及实验数据 | 第86页 |
·模型的应用和结果分析 | 第86-89页 |
第五章 季节-趋势性混合预测模型(SITM)建模 | 第89-109页 |
·引言 | 第89-95页 |
·理论回顾 | 第89-91页 |
·SSP(Stable Seasonal Pattern)预测模型 | 第91-93页 |
·带有季节性模式的短时间序列贝叶斯预测模型 | 第93-95页 |
·季节-趋势性混合预测模型(SITM) | 第95-99页 |
·变量定义和基本假设 | 第95-97页 |
·模型构建 | 第97-99页 |
·季节末总量分解 | 第99页 |
·模型实验结果及分析 | 第99-109页 |
·实验设计 | 第99-100页 |
·实验工具及实验数据 | 第100-102页 |
·模型的应用 | 第102-106页 |
·模型结果分析 | 第106-109页 |
第六章 SITM预测模型在电信业务预测中的应用研究 | 第109-119页 |
·引言 | 第109-111页 |
·电信业务预测理论综述 | 第109-110页 |
·电信业务数据分析 | 第110-111页 |
·基于ARIMA预测模型的电信业务预测实践 | 第111-116页 |
·数据准备 | 第111-112页 |
·模型识别 | 第112-114页 |
·预测 | 第114-116页 |
·基于SITM预测模型的电信业务预测实践 | 第116-117页 |
·模型结果分析与比较 | 第117-119页 |
第七章 总结与展望 | 第119-121页 |
·内容总结 | 第119-120页 |
·创新点 | 第120页 |
·展望 | 第120-121页 |
参考文献 | 第121-130页 |
附录 | 第130-132页 |
致谢 | 第132-133页 |
攻读学位期间发表的学术论文 | 第133页 |