文摘
英文文摘
独创性声明及学位论文版权使用授权书
致谢
第一章绪言
1.1数据挖掘概述
1.1.1数据挖掘的基本概念
1.1.2数据挖掘的任务
1.1.3数据挖掘的方法和技术
1.1.4数据挖掘技术的研究方向
1.2时间序列的数据挖掘
1.2.1时间序列和时间序列数据库
1.2.2时间序列的数据挖掘
1.3本文的研究内容和章节安排
1.3.1本文的研究内容
1.3.2本文的章节安排
第二章时间序列预测分析
2.1时间序列趋势分析
2.1.1时间序列的因素分析
2.1.2时间序列的基本类型
2.1.3时间序列预测的基本模型
2.2时间序列的传统预测方法
2.3时间序列的组合预测方法
2.4时间序列的非线性预测方法
2.4.1非线性预测背景
2.4.2非线性预测途径
2.4.3基于神经网络的时间序列预测方法
2.4.4统计方法和神经网络预测比较
2.5本章小结
第三章时间序列的神经网络预测模型
3.1人工神经网络模型概述
3.1.1人工神经网络的发展
3.1.2人工神经网络的结构
3.2BP算法工作原理和数学描述
3.2.1BP算法概述
3.2.2BP算法的原理
3.2.3BP算法的数学描述
3.2.4三层BP神经网络结构
3.3BP神经网络预测模型的结构设计
3.4BP算法存在的问题及改进方法
3.4.1BP算法存在的问题及原因
3.4.2BP网络模型的改进方法探讨
3.5BP神经网络的泛化能力
3.6BP神经网络预测方法设计
3.7BP神经网络模型的预测步骤
3.7.1预测步骤
3.7.2样本数据的归一化处理
3.8本章小结
第四章季节性神经网络和ARIMA模型的组合预测模型
4.1 ARIMA模型
4.1.1 ARIMA模型的建模原理
4.1.2 ARIMA模型的选择、拟合及预测步骤
4.2季节性神经网络模型原理
4.3季节性神经网络和ARIMA模型的组合预测模型原理和方法
4.4组合预测实例分析
4.4.1 ARIMA乘积模型预测分析
4.4.2季节性神经网络模型预测分析
4.4.3组合预测模型结果分析
4.5本章小结
第五章基于残差修正的季节性时间序列预测模型
5.1灰色模型GM(1,1)
5.1.1GM(1,1)建模原理
5.1.2 GM(1,1)残差检验
5.1.3 GM(1,1)算法描述
5.2季节性灰色神经网络叠合模型原理和方法
5.3预测实例分析
5.3.1 GM(1,1)预测结果和残差检验
5.3.2基于残差修正的季节性神经网络预测分析
5.3.3季节性灰色神经网络模型拟合与预测结果分析
5.4本章小结
第六章总结及展望
6.1总结
6.2进一步研究
参考文献
攻读硕士学位期间发表的论文
合肥工业大学;