| 摘要 | 第1-6页 |
| ABSTRACT | 第6-16页 |
| 第一章 绪论 | 第16-26页 |
| ·预测含义及基本原理 | 第16-18页 |
| ·预测的含义 | 第16页 |
| ·预测的基本原理 | 第16-18页 |
| ·研究背景及意义 | 第18-19页 |
| ·研究现状 | 第19-23页 |
| ·论文的主要工作及创新点 | 第23-26页 |
| ·研究内容 | 第23-24页 |
| ·创新点 | 第24-26页 |
| 第二章 预备知识 | 第26-38页 |
| ·引言 | 第26页 |
| ·时间序列预测 | 第26-27页 |
| ·贝叶斯统计推断 | 第27-28页 |
| ·径向基函数神经网络 | 第28-30页 |
| ·RBF 神经网络结构 | 第28-29页 |
| ·RBF 网络输出计算 | 第29页 |
| ·RBF 学习算法 | 第29-30页 |
| ·隐马尔可夫模型 | 第30-33页 |
| ·隐马尔可夫模型的含义 | 第30-31页 |
| ·隐马尔可夫模型的基本元素 | 第31页 |
| ·隐马尔可夫模型的基本问题和基本算法 | 第31-33页 |
| ·序列蒙特卡罗方法 | 第33-37页 |
| ·小结 | 第37-38页 |
| 第三章 非线性非高斯时间序列预测模型 | 第38-46页 |
| ·引言 | 第38页 |
| ·ARMA 模型 | 第38-40页 |
| ·NARMA 模型 | 第40页 |
| ·基于径向基函数神经网络的非线性建模 | 第40-42页 |
| ·基于隐马尔可夫模型的非高斯建模 | 第42-44页 |
| ·预测模型的总体框架 | 第44-45页 |
| ·小结 | 第45-46页 |
| 第四章 基于静态RBF-HMM 模型的时间序列预测 | 第46-62页 |
| ·引言 | 第46页 |
| ·径向基函数网络结构和参数的估计 | 第46-52页 |
| ·径向基网络结构的确定 | 第46-47页 |
| ·径向基函数网络的参数估计 | 第47-51页 |
| ·RBF 网络结构和参数估计算法研究 | 第51-52页 |
| ·隐马尔可夫模型的结构和参数估计 | 第52-55页 |
| ·隐马尔可夫模型结构的确定 | 第52-53页 |
| ·隐马尔可夫模型的参数估计 | 第53-55页 |
| ·基于静态RBF-HMM 模型的时间序列预测 | 第55-57页 |
| ·实验研究 | 第57-61页 |
| ·小结 | 第61-62页 |
| 第五章 基于动态RBF-HMM 模型的时间序列预测——模型参数可调 | 第62-79页 |
| ·引言 | 第62-63页 |
| ·观测方程与状态转移方程 | 第63-65页 |
| ·Rao-Blackwellised 粒子滤波法 | 第65-67页 |
| ·基于动态RBF-HMM 模型的时间序列预测 | 第67-73页 |
| ·抽样步 | 第67-68页 |
| ·观测值预测 | 第68-69页 |
| ·权重更新及重采样 | 第69-71页 |
| ·精确计算 | 第71-72页 |
| ·预测算法描述 | 第72-73页 |
| ·动态RBF-HMM 模型中的卡尔曼滤波公式推导过程 | 第73-75页 |
| ·计算先验概率分布p(α_t| r_t, y_(1:t-1) ) | 第73-74页 |
| ·计算似然概率分布p(y_t|r_t, α_t ) | 第74页 |
| ·计算归一化概率分布p(y_t| r_t, y_(1:t-1) ) | 第74-75页 |
| ·实验研究 | 第75-78页 |
| ·太阳黑子数平滑月均值序列 | 第75-76页 |
| ·南京禄口国际机场旅客吞吐量序列 | 第76-78页 |
| ·小结 | 第78-79页 |
| 第六章 基于动态RBF-HMM 模型的时间序列预测——模型结构和参数可调 | 第79-102页 |
| ·引言 | 第79-80页 |
| ·结构可变的动态RBF-HMM 预测模型框架 | 第80-81页 |
| ·结构可变的动态RBF 神经网络 | 第80-81页 |
| ·结构可变的动态HMM 噪声项建模 | 第81页 |
| ·观测方程和状态转移方程 | 第81-84页 |
| ·RBF 网络结构变化对模型参数的影响 | 第84-91页 |
| ·隐含层节点数可变 | 第85-86页 |
| ·观测序列时滞可变 | 第86-88页 |
| ·误差反馈时滞可变 | 第88-91页 |
| ·HMM 结构变化对模型参数的影响 | 第91-95页 |
| ·隐状态数可变 | 第91-94页 |
| ·混合高斯模型数可变 | 第94-95页 |
| ·基于结构可变的动态RBF-HMM 模型预测算法描述 | 第95-97页 |
| ·实验研究 | 第97-101页 |
| ·太阳黑子数平滑月均值序列 | 第97-100页 |
| ·南京禄口国际机场旅客吞吐量序列 | 第100-101页 |
| ·小结 | 第101-102页 |
| 第七章 基于RBF-HMM 模型的时间序列多步预测 | 第102-115页 |
| ·引言 | 第102页 |
| ·多步预测的基本概念 | 第102-103页 |
| ·基于RBF-HMM 模型的多步预测基本步骤 | 第103-104页 |
| ·粒子抽样 | 第103页 |
| ·多步观测值预测 | 第103-104页 |
| ·权重更新及重采样 | 第104页 |
| ·卡尔曼滤波 | 第104页 |
| ·基于RBF-HMM 模型的多步观测值预测 | 第104-112页 |
| ·计算概率密度函数 p ( y|^_t |y_(1:t-1)) | 第106-107页 |
| ·计算概率密度函数 p ( y|^_t+1 |y_(1:t-1),y|^_t~(i0)) | 第107-108页 |
| ·计算概率密度函数p(y|^_(t+2)|y_(1:t-1),y|^_t~(i0), y|^_(t+1)~(i0,i1)) | 第108-109页 |
| ·多步测量值预测p(y|^_(t+2)| y_(1:t-1)) | 第109-110页 |
| ·多步预测算法描述 | 第110-112页 |
| ·实验研究 | 第112-114页 |
| ·小结 | 第114-115页 |
| 第八章 船用钢价格预测应用系统的开发 | 第115-123页 |
| ·引言 | 第115页 |
| ·基于RBF-HMM 模型的船用钢价格预测 | 第115-117页 |
| ·船用钢价格预测的必要性分析 | 第115-116页 |
| ·基准序列的选择 | 第116页 |
| ·船用钢价格短期预测及结果 | 第116-117页 |
| ·信息系统的构建 | 第117-122页 |
| ·系统主界面 | 第118页 |
| ·样本采集系统 | 第118-119页 |
| ·数据管理系统 | 第119-120页 |
| ·价格预测系统 | 第120-122页 |
| ·小结 | 第122-123页 |
| 第九章 总结与展望 | 第123-126页 |
| ·工作与总结 | 第123-125页 |
| ·展望 | 第125-126页 |
| 参考文献 | 第126-138页 |
| 致谢 | 第138-139页 |
| 在学期间的研究成果及发表的学术论文 | 第139-140页 |
