2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩50頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、在廣泛參閱有關貨運量預測文獻的基礎上,充分利用其中有用的信息,揚長避短,提出了引入小波分析和貝葉斯估計方法組合起來進行預測,克服了單一預測模型在鐵路貨運量預測中的局限性,以及減少模型參數(shù)估計帶來的誤差損失,這為我國鐵路運輸企業(yè)制定市場營銷計劃和營銷決策提供重要的依據(jù)。本文給廣大學者提供一種提高模型精度的方法:一是從數(shù)據(jù)預處理方法進行改進;二是改變參數(shù)估計方法;三是對模型結果的修正。為了詳細了解上述三個方面內容,本文的工作體現(xiàn)在:

2、  1、文章首先概括了本文的研究內容、研究方法、研究的創(chuàng)新點和研究目的及意義,隨后闡述了國內外相關文獻。
  2、文章第三章是先對小波分析簡要的介紹,把小波分析作為數(shù)據(jù)預處理的手段,然后進行深入的研究。通過引入小波分析對我國鐵路貨運量的非平穩(wěn)序列進行分解,對分解后的序列分別建立時間序列模型進行預測和重構序列。與傳統(tǒng)的ARMA模型的預測結果做比較時,可以發(fā)現(xiàn)引入小波分析的時間序列模型的結果更佳。結果表明,基于小波分析的時間序列模型的

3、鐵路貨運量預測方法具有有效性。
  3、第四章是通過基于BIC對最優(yōu)子集ARMA模型確定模型的階數(shù),并利用R軟件對我國鐵路貨運量分別采用矩估計、最小二乘估計、極大似然估計方法建立ARMA(p,q)模型。運用winbugs14軟件解決貝葉斯估計對所建立的ARMA(p,q)模型的參數(shù)進行估計,并對模型參數(shù)的收斂性進行檢驗和給出參數(shù)的后驗分布。通過比較不同參數(shù)估計下的ARMA模型的預測結果,得到的結論是基于貝葉斯估計的ARMA模型提高預

4、測的準確性。
  4、第五章是以第三、四章的研究成果為基礎,引入小波分析作為數(shù)據(jù)預處理方法,選擇貝葉斯估計作為ARMA模型的參數(shù)估計方法對我國鐵路貨運量進行預測。把小波分析和貝葉斯估計方法組合建模,與第三、四章的預測效果比較,結果表明二者的結合可提高模型的精度。
  5、第六章是觀察第五章中低頻序列的滑動移動平均項的參數(shù)分布不是很理想,則通過低頻序列減去自回歸項的預測值得到剩余項,重新對剩余項進行估計,最后重組序列,研究結果

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論