| 摘要 | 第3-5页 |
| abstract | 第5-7页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 时间序列降维表示法 | 第13-14页 |
| 1.2.2 时间序列预测模型 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-17页 |
| 1.5 本章小结 | 第17-19页 |
| 第二章 时间序列相关算法理论 | 第19-33页 |
| 2.1 时间序列相关定义 | 第19-22页 |
| 2.1.1 时间序列 | 第19-20页 |
| 2.1.2 时间序列相似性度量 | 第20-22页 |
| 2.2 时序降维表示法 | 第22-25页 |
| 2.2.1 时序特征表示法 | 第22-23页 |
| 2.2.2 SAX表示法及下界距离算法 | 第23-25页 |
| 2.3 时间序列预测模型 | 第25-30页 |
| 2.3.1 时序预测相关理论 | 第26页 |
| 2.3.2 线性时序预测模型 | 第26-27页 |
| 2.3.3 非线性时序预测模型 | 第27-28页 |
| 2.3.4 递归神经网络时序预测模型 | 第28-30页 |
| 2.4 回声状态网络预测模型 | 第30-32页 |
| 2.4.1 回声状态网络结构 | 第30-31页 |
| 2.4.2 回声状态网络预测算法 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第三章 局部均值分解和改进小波熵的时序SAX模型 | 第33-45页 |
| 3.1 局部均值分解技术 | 第33-35页 |
| 3.2 改进小波熵算法 | 第35-37页 |
| 3.3 局部均值分解和改进小波熵的时序SAX模型 | 第37-38页 |
| 3.4 实验分析与讨论 | 第38-44页 |
| 3.4.1 实验环境与数据 | 第39页 |
| 3.4.2 实验结果与分析 | 第39-43页 |
| 3.4.3 结论 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于SAX和回声状态网络的时序预测模型 | 第45-61页 |
| 4.1 灰狼优化回声状态网络的时序预测算法 | 第45-49页 |
| 4.1.1 灰狼算法 | 第45-47页 |
| 4.1.2 灰狼优化回声状态网络算法 | 第47-49页 |
| 4.2 基于SAX和回声状态网络的时序预测模型 | 第49-51页 |
| 4.2.1 SAX表示序列 | 第50页 |
| 4.2.2 基于SAX和GWO_ESN的时序预测模型 | 第50-51页 |
| 4.3 实验结果与分析 | 第51-59页 |
| 4.3.1 实验环境与数据 | 第51-52页 |
| 4.3.2 实验评价标准 | 第52-53页 |
| 4.3.3 实验结果与分析 | 第53-59页 |
| 4.3.4 结论 | 第59页 |
| 4.4 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文工作总结 | 第61-62页 |
| 5.2 未来工作展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-72页 |
| 攻读硕士学位期间发表的学术论文 | 第72页 |