基于GRU神经网络的时间序列预测研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.1.1 课题的研究背景 | 第9-10页 |
| 1.1.2 课题的研究意义 | 第10页 |
| 1.2 国内外相关技术研究现状 | 第10-13页 |
| 1.2.1 时间序列预测的研究现状 | 第10-12页 |
| 1.2.2 人工神经网络的研究现状 | 第12-13页 |
| 1.3 本文研究内容及论文结构 | 第13-15页 |
| 1.3.1 本文主要研究内容 | 第13-14页 |
| 1.3.2 论文的组织结构 | 第14-15页 |
| 第2章 时间序列预测 | 第15-22页 |
| 2.1 时间序列 | 第15-17页 |
| 2.1.1 随机过程 | 第15页 |
| 2.1.2 时间序列 | 第15-17页 |
| 2.2 时间序列预测方法 | 第17-21页 |
| 2.2.1 传统预测方法 | 第17-19页 |
| 2.2.2 人工智能预测方法 | 第19-21页 |
| 2.3 本章总结 | 第21-22页 |
| 第3章 人工神经网络 | 第22-36页 |
| 3.1 机器学习 | 第22页 |
| 3.2 人工神经网络 | 第22-25页 |
| 3.3 循环神经网络 | 第25-31页 |
| 3.4 GRU神经网络 | 第31-34页 |
| 3.5 本章总结 | 第34-36页 |
| 第4章 GRU-SES模型设计与实现 | 第36-45页 |
| 4.1 GRU-SES模型概述 | 第36-37页 |
| 4.2 数据预处理 | 第37页 |
| 4.3 数据标准化处理 | 第37-39页 |
| 4.4 数据升维处理 | 第39-40页 |
| 4.5 GRU神经网络模型训练 | 第40-42页 |
| 4.6 GRU-SES预测数据处理 | 第42-44页 |
| 4.7 预测数据结果输出 | 第44页 |
| 4.8 本章总结 | 第44-45页 |
| 第5章 实验分析 | 第45-59页 |
| 5.1 实验数据 | 第45-46页 |
| 5.2 实验结果 | 第46-54页 |
| 5.2.1 日销量数据集结果 | 第47-49页 |
| 5.2.2 客运量数据集结果 | 第49-50页 |
| 5.2.3 出生率数据集结果 | 第50-52页 |
| 5.2.4 人均粮食占有量数据集结果 | 第52-54页 |
| 5.3 实验分析 | 第54-58页 |
| 5.4 本章总结 | 第58-59页 |
| 结论 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间取得学术成果 | 第65页 |
