本文為布拉格捷克理工大學（作者：Oleg Ostashchuk）的碩士論文，共78頁。

本文討論了時間序列分析和預測的問題。論文的目的是研究現有的時間序列預測方法，包括必要的資料預處理步驟。本文選取了ARIMA、人工神經網路和雙指數平滑三種有前景的預測方法。本文的主要工作是對所提供的資料進行資料分析，並開發出各種預測模型。最後，對研究結果進行了總結，並對進一步的改進進行了討論。

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 本文研究目標
2 時間序列分析
2.1 時間序列簡介
2.2 時間序列分類
2.3 時間序列分析的目標
2.4 時間序列分量
2.5 自相關與部分自相關
2.6 時間序列預測
2.7 預測精度
2.8 資料預處理
3 預測方法
3.1 迴歸模型
3.2 自迴歸與滑動平均模型
3.3 指數平滑模型
3.4 人工神經網路模型
3.5 馬爾可夫鏈模型
3.6 預測模型比較
4 網路流量資料預測
4.1 網路流量資料集實驗
4.2 資料分析與預處理
4.3 自迴歸滑動平均方法
4.4 人工神經網路方法
4.5 指數平滑方法
4.6 實驗小結
5 實驗研究分析
5.1 資料分析與預處理
5.2 自迴歸滑動平均方法
5.3 指數平滑方法
5.4 人工神經網路方法
5.5 考慮外部因素影響的預測
5.6 資料集擴充套件
5.7 實驗小結
6 結論
6.1 關於進一步提高效能的討論
下載英文原文地址：

http://page5.dfpan.com/fs/6lccj2621729d165b54/

更多精彩文章請關注微訊號：