| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·课题背景 | 第10页 |
| ·本课题研究的目的及意义 | 第10-11页 |
| ·国内外相关技术发展现状 | 第11-14页 |
| ·模型选择问题的发展状况 | 第11-13页 |
| ·神经网络及其建模国内外发展现状 | 第13页 |
| ·长短周期动力系统建模国内外发展现状 | 第13-14页 |
| ·本文主要研究内容 | 第14-16页 |
| 第2章 人工神经网络与最小描述长度理论 | 第16-33页 |
| ·引言 | 第16页 |
| ·BP神经网络 | 第16-21页 |
| ·BP网络结构 | 第17-18页 |
| ·BP算法的数学描述 | 第18-21页 |
| ·最小描述长度原理 | 第21-30页 |
| ·最小描述长度基本原理 | 第21-25页 |
| ·如何计算最小描述长度 | 第25-30页 |
| ·数据替代技术 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第3章 最小描述长度原理的非线性建模 | 第33-44页 |
| ·引言 | 第33页 |
| ·最小描述长度原理确定最优模型大小 | 第33-41页 |
| ·最小描述长度方法简介 | 第33-34页 |
| ·非线性曲线拟合 | 第34-36页 |
| ·非平稳信号的最小描述长度模型 | 第36-41页 |
| ·数据替代方法检验最小描述长度方法预测误差 | 第41-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 混合模型对具有长短周期的非线性动力系统的预测及其应用 | 第44-62页 |
| ·引言 | 第44页 |
| ·混合模型简介 | 第44-46页 |
| ·计算数据“LORENZ + IKEDA” | 第46-52页 |
| ·计算数据单步预测模型 | 第48-50页 |
| ·计算数据多步预测模型 | 第50-52页 |
| ·实验数据 | 第52-61页 |
| ·人体脉搏数据 | 第52-56页 |
| ·股票指数数据 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读学位期间发表的学术论文 | 第67-69页 |
| 致谢 | 第69页 |