基于小波分析的生活能源消费分析与预测
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-12页 |
| 1.2 研究方法 | 第12-14页 |
| 1.3 本文结构 | 第14页 |
| 1.4 创新与不足 | 第14-16页 |
| 2 文献综述 | 第16-26页 |
| 2.1 小波分析的研究 | 第16-18页 |
| 2.2 小波分析在经济领域的应用 | 第18-20页 |
| 2.3 小波分析在时间序列预测中的应用 | 第20-22页 |
| 2.4 基于其他方法的生活能源消费研究 | 第22-24页 |
| 2.5 文献述评 | 第24-26页 |
| 3 基于小波分析的生活能源消费分析 | 第26-38页 |
| 3.1 数据的预处理与小波基函数的选取 | 第26-28页 |
| 3.1.1 数据的预处理 | 第26-27页 |
| 3.1.2 小波基函数的选取 | 第27-28页 |
| 3.2 生活能源消费分析 | 第28-35页 |
| 3.2.1 特征时间尺度分析 | 第29-32页 |
| 3.2.2 主要周期分析 | 第32-33页 |
| 3.2.3 突变特征分析 | 第33-35页 |
| 3.3 分析结果评价 | 第35-38页 |
| 4 基于小波分析的生活能源消费预测 | 第38-47页 |
| 4.1 基于ARIMA模型的预测 | 第38-40页 |
| 4.1.1 平稳性检验 | 第39页 |
| 4.1.2 模型识别及参数估计 | 第39-40页 |
| 4.1.3 模型检验与拟合预测 | 第40页 |
| 4.2 基于小波分析的预测 | 第40-43页 |
| 4.2.1 小波分析预测的原理和优越性 | 第40-41页 |
| 4.2.2 小波分解 | 第41-42页 |
| 4.2.3 细节和逼近部分的数据预测 | 第42-43页 |
| 4.2.4 小波重构 | 第43页 |
| 4.3 两种预测结果的对比和评价 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 5 结论、建议与展望 | 第47-50页 |
| 5.1 主要研究结论 | 第47-48页 |
| 5.2 建议与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 附录 | 第54-58页 |
| 致谢 | 第58-59页 |
