| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 研究背景 | 第9-15页 |
| 1.1.1 电信行业概况 | 第9-10页 |
| 1.1.2 电信产业重组 | 第10-11页 |
| 1.1.3 电信行业改革 | 第11-14页 |
| 1.1.4 电信行业竞争 | 第14-15页 |
| 1.2 研究方法 | 第15-16页 |
| 1.3 研究内容 | 第16-17页 |
| 1.4 研究意义 | 第17-19页 |
| 第二章 文献综述 | 第19-29页 |
| 2.1 电信业务收入相关研究 | 第19-22页 |
| 2.1.1 电信业务收入 | 第19页 |
| 2.1.2 电信业务收入特征分析 | 第19-21页 |
| 2.1.3 影响因子分析 | 第21-22页 |
| 2.2 电信业务收入预测模型相关研究 | 第22-26页 |
| 2.2.1 线性回归模型 | 第23页 |
| 2.2.2 灰色预测模型 | 第23-24页 |
| 2.2.3 支持向量机 | 第24页 |
| 2.2.4 时间序列预测模型 | 第24-25页 |
| 2.2.5 神经网络预测模型 | 第25页 |
| 2.2.6 组合预测模型 | 第25-26页 |
| 2.3 TEI@I方法论相关研究 | 第26-27页 |
| 2.4 文献综述总结 | 第27-29页 |
| 第三章 基于TEI@I方法论的预测模型理论构建 | 第29-35页 |
| 3.1 基于小样本的年度数据预测模型 | 第29-32页 |
| 3.1.1 多元线性回归模型 | 第29-30页 |
| 3.1.2 灰色预测模型 | 第30-31页 |
| 3.1.3 支持向量机 | 第31页 |
| 3.1.4 基于TEI@I方法论的小样本预测模型构建 | 第31-32页 |
| 3.2 基于大样本的月度数据预测模型 | 第32-35页 |
| 3.2.1 ARIMA模型 | 第32-33页 |
| 3.2.2 人工神经网络 | 第33-34页 |
| 3.2.3 基于TEI@I方法论的大样本预测模型构建 | 第34-35页 |
| 第四章 基于TEI@I方法论的预测实证分析 | 第35-51页 |
| 4.1 基于小样本数据的预测模型 | 第35-45页 |
| 4.1.1 线性回归模型 | 第35-42页 |
| 4.1.2 灰色GM(1,1)预测模型 | 第42-44页 |
| 4.1.3 基于TEI@I的小样本集成预测模型 | 第44-45页 |
| 4.2 基于大样本数据的预测模型 | 第45-51页 |
| 4.2.1 时间序列ARIMA模型 | 第45-48页 |
| 4.2.2 神经网络模型 | 第48-49页 |
| 4.2.3 基于TEI@I的大样本集成预测模型 | 第49-51页 |
| 第五章 总结 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间发表的学术论文目录 | 第57页 |