| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-15页 |
| ·选题的背景 | 第8-9页 |
| ·选题的意义 | 第9-10页 |
| ·天然气消费预测的国内外研究现状 | 第10-15页 |
| ·国内研究状况 | 第10-12页 |
| ·国外研究状况 | 第12-15页 |
| 第2章 天然气消费预测的原理和方法综述 | 第15-24页 |
| ·预测问题概述 | 第15页 |
| ·天然气消费预测的分类 | 第15页 |
| ·预测方法综述 | 第15-22页 |
| ·时间序列法 | 第16-17页 |
| ·回归分析法 | 第17-18页 |
| ·小波分析法 | 第18页 |
| ·人工神经网络(ANN) | 第18-19页 |
| ·灰色系统 | 第19-20页 |
| ·专家系统法 | 第20-21页 |
| ·马尔科夫(Markov)预测法 | 第21页 |
| ·组合预测法 | 第21-22页 |
| ·相关领域预测研究进展 | 第22页 |
| ·本文的主要工作及其创新点 | 第22-23页 |
| ·本文的研究思路 | 第23-24页 |
| 第3章 投影寻踪理论 | 第24-33页 |
| ·投影寻踪产生背景 | 第24-25页 |
| ·投影寻踪的基本概念 | 第25-26页 |
| ·线性投影 | 第25-26页 |
| ·投影指标 | 第26页 |
| ·最佳投影方向 | 第26页 |
| ·投影寻踪基本思想 | 第26-27页 |
| ·投影寻踪回归模型 | 第27-29页 |
| ·投影寻踪回归模型的求解算法 | 第29-33页 |
| ·遗传算法概述 | 第29页 |
| ·遗传算法的基本原理 | 第29页 |
| ·GA的基本操作 | 第29-30页 |
| ·标准遗传算法过程(SGA) | 第30-31页 |
| ·遗传算法的改进—自适应遗传算法 | 第31-32页 |
| ·遗传算法的特点及局限性 | 第32-33页 |
| 第4章 天然气消费预测模型分析 | 第33-39页 |
| ·天然气消费预测步骤 | 第33页 |
| ·影响天然气消费水平的因素 | 第33-35页 |
| ·国民经济 | 第33页 |
| ·能源政策 | 第33-34页 |
| ·人口城市化程度 | 第34页 |
| ·市场环境 | 第34页 |
| ·价格因素 | 第34页 |
| ·气象条件 | 第34页 |
| ·节假日的影响 | 第34-35页 |
| ·天然气消费预测原始数据预处理方法 | 第35-37页 |
| ·天然气消费预测原始数据的特征 | 第35页 |
| ·天然气消费预测原始数据与处理方法 | 第35-37页 |
| ·天然气消费预测的评价指标 | 第37-39页 |
| 第5章 天然气中长期消费预测实现 | 第39-60页 |
| ·变量的选取 | 第39页 |
| ·天然气中长期消费预测函数 | 第39页 |
| ·基于投影寻踪聚类的变量分析 | 第39-42页 |
| ·投影寻踪聚类 | 第39-40页 |
| ·投影寻踪聚类模型的建立 | 第40-41页 |
| ·算例 | 第41-42页 |
| ·基于HERMITE多项式的投影寻踪回归模型的天然气消费预测 | 第42-46页 |
| ·基于Hermite多项式的投影回归模型 | 第43-44页 |
| ·基于Hermite多项式的投影回归模型的建立 | 第44-45页 |
| ·算例 | 第45-46页 |
| ·BP神经网络原理及模型 | 第46-49页 |
| ·基于MATLAB的BP神经网络设计 | 第47-48页 |
| ·天然气年度消费预测的BP神经网络模型的建立 | 第48-49页 |
| ·算例 | 第49页 |
| ·灰色预测理论 | 第49-52页 |
| ·GM(1，1)模型的建立 | 第50-51页 |
| ·GM(1，1)模型的改进 | 第51页 |
| ·算例 | 第51-52页 |
| ·组合预测法 | 第52-56页 |
| ·组合预测模型 | 第53-54页 |
| ·算例 | 第54-56页 |
| ·预测结果的修正 | 第56-58页 |
| ·马尔科夫概述 | 第56页 |
| ·马尔科夫模型 | 第56-58页 |
| ·算例 | 第58页 |
| ·结果评价 | 第58-60页 |
| 第6章 结论和建议 | 第60-62页 |
| ·结论 | 第60页 |
| ·建议 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 附录 | 第67-71页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第71页 |