声明
第一章 绪论
1.1研究背景和意义
1.2研究现状
1.3论文的研究内容与结构
第二章 时间序列预测分析关键技术
2.1时间序列相关性分析方法
2.2时间序列相似性分析方法
2.3神经网络预测方法
2.4本章小结
第三章 基于因素型数据重要性分析的预测模型
3.1随机森林重要性分析
3.2 CNN模型构建及参数分析
3.3基于注意力机制的GRU模型构建及参数分析
3.4基于随机森林重要性分析的深度学习预测模型(RF-CNN-GRUA)
3.5仿真实验与分析
3.6本章小结
第四章 基于同类型数据相似性分析的预测模型
4.1 DTW相似性分析
4.2基于广义预测模型的控制量求解
4.3 Seq2Seq预测模型
4.4基于相似序列控制量的深度学习预测模型(DTW-GPC-Seq2Seq)
4.5仿真实验与分析
4.6本章小结
第五章 基于重要性因素分析和相似性数据分析的预测模型
5.1基于重要性与相似性数据结合的预测模型构建
5.2仿真实验与分析
5.3本章小结
第六章 总结与展望
6.1本文总结
6.2本文展望
参考文献
在学期间取得的科研成果和科研情况说明
致谢
天津理工大学;