本文为布拉格捷克理工大学（作者：Oleg Ostashchuk）的硕士论文，共78页。
本文讨论了时间序列分析和预测的问题。论文的目的是研究现有的时间序列预测方法，包括必要的数据预处理步骤。本文选取了ARIMA、人工神经网络和双指数平滑三种有前景的预测方法。本文的主要工作是对所提供的数据进行数据分析，并开发出各种预测模型。最后，对研究结果进行了总结，并对进一步的改进进行了讨论。
Given thesis deals with the problematic oftime series analysis and forecasting. The aim of thesis is to survey anexisting time series forecasting methods, including necessary datapreprocessing steps. There are selected three promising forecasting methods,including ARIMA method, artificial neural networks method and doubleexponential smoothing method. The main task of the thesis, is to perform dataanalysis of provided data and to develope the individual forecasting models. Atthe end of the thesis, there are results summary and further improvements arediscussed.
1 引言
1.1 本文研究目标
2 时间序列分析
2.1 时间序列简介
2.2 时间序列分类
2.3 时间序列分析的目标
2.4 时间序列分量
2.5 自相关与部分自相关
2.6 时间序列预测
2.7 预测精度
2.8 数据预处理
3 预测方法
3.1 回归模型
3.2 自回归与滑动平均模型
3.3 指数平滑模型
3.4 人工神经网络模型
3.5 马尔可夫链模型
3.6 预测模型比较
4 网络流量数据预测
4.1 网络流量数据集实验
4.2 数据分析与预处理
4.3 自回归滑动平均方法
4.4 人工神经网络方法
4.5 指数平滑方法
4.6 实验小结
5 实验研究分析
5.1 数据分析与预处理
5.2 自回归滑动平均方法
5.3 指数平滑方法
5.4 人工神经网络方法
5.5 考虑外部因素影响的预测
5.6 数据集扩展
5.7 实验小结
6 结论
6.1 关于进一步提高性能的讨论
下载英文原文地址：
http://page5.dfpan.com/fs/6lccj2621729d165b54/
更多精彩文章请关注微信号：