时间序列分析在居民用气量管理与预测中的研究与应用
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外发展与研究现状 | 第12-14页 |
| 1.3 本文的主要工作 | 第14-15页 |
| 1.4 论文结构 | 第15-16页 |
| 第二章 时间序列分析及其相关技术 | 第16-23页 |
| 2.1 指数平滑法 | 第16页 |
| 2.2 季节性求和自回归移动平均模型 | 第16-18页 |
| 2.2.1 ARIMA模型 | 第16-17页 |
| 2.2.2 SARIMA模型 | 第17-18页 |
| 2.3 神经网络 | 第18-20页 |
| 2.4 DTW距离 | 第20-21页 |
| 2.5 K-means聚类算法 | 第21-22页 |
| 2.6 小结 | 第22-23页 |
| 第三章 液化石油气数据预处理 | 第23-27页 |
| 3.1 居民用户用气量数据采集 | 第23-24页 |
| 3.2 居民用气量数据预处理 | 第24-26页 |
| 3.2.1 数据清理 | 第24-25页 |
| 3.2.2 缺失值补充 | 第25-26页 |
| 3.3 小结 | 第26-27页 |
| 第四章 片区液化石油气库存量预测 | 第27-38页 |
| 4.1 片区库存量预测体系结构 | 第27-28页 |
| 4.2 片区库存量预测算法流程 | 第28-30页 |
| 4.3 片区库存量预测分析与应用 | 第30-37页 |
| 4.4 片区库存量预测小结 | 第37-38页 |
| 第五章 居民用户液化石油气用气量预测 | 第38-50页 |
| 5.1 个人用气量预测体系结构 | 第38-39页 |
| 5.2 个人用气量预测算法流程 | 第39-41页 |
| 5.3 个人用气量预测分析与应用 | 第41-49页 |
| 5.3.1 居民用户聚类 | 第41-44页 |
| 5.3.2 居民用户用气量预测 | 第44-49页 |
| 5.4 个人用气量预测小结 | 第49-50页 |
| 总结与展望 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 攻读学位期间发表的论文 | 第54页 |
| 国家自然科学基金 | 第54-57页 |
| 致谢 | 第57-59页 |
| 附录 | 第59-60页 |
