非高斯非稳态随机系统的建模与预测控制
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-21页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究的背景和意义 | 第10-13页 |
| 1.2.1 随机系统建模 | 第11-12页 |
| 1.2.2 预测控制 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 随机系统辨识 | 第13-14页 |
| 1.3.2 预测控制 | 第14-16页 |
| 1.4 国内外研究现状分析 | 第16-18页 |
| 1.5 主要研究内容、创新点以及本文结构 | 第18-21页 |
| 1.5.1 主要研究内容 | 第18-19页 |
| 1.5.2 本研究创新点 | 第19-20页 |
| 1.5.3 本文结构 | 第20-21页 |
| 2 模型辨识 | 第21-40页 |
| 2.1 随机系统辨识 | 第21-23页 |
| 2.1.1 辨识问题概述 | 第22-23页 |
| 2.2 基于自回归模型的辨识 | 第23-26页 |
| 2.2.1 回归模型 | 第24页 |
| 2.2.2 AR类模型 | 第24-26页 |
| 2.3 基于状态空间模型的辨识 | 第26-30页 |
| 2.3.1 状态空间模型 | 第26-28页 |
| 2.3.2 状态估计方法 | 第28-30页 |
| 2.4 参数估计方法 | 第30-33页 |
| 2.4.1 最小二乘法 | 第30-31页 |
| 2.4.2 最大似然估计 | 第31-33页 |
| 2.5 模型的评价与选择 | 第33-34页 |
| 2.5.1 模型的评价 | 第33-34页 |
| 2.5.2 模型的选择 | 第34页 |
| 2.6 基于广义线性模型的辨识 | 第34-39页 |
| 2.6.1 经典模型存在的问题 | 第35页 |
| 2.6.2 GLM模型 | 第35-37页 |
| 2.6.3 GAMLSS模型 | 第37-39页 |
| 2.7 本章小结 | 第39-40页 |
| 3 广义时间序列模型及其辨识 | 第40-59页 |
| 3.1 GTS模型 | 第40-42页 |
| 3.2 GTS模型的参数辨识 | 第42-57页 |
| 3.2.1 Fisher Scoring算法 | 第42-43页 |
| 3.2.2 Fisher信息矩阵 | 第43-44页 |
| 3.2.3 服从高斯分布的GTS模型参数辨识 | 第44-48页 |
| 3.2.4 服从t-分布的GTS模型参数辨识 | 第48-57页 |
| 3.3 模型评价 | 第57页 |
| 3.4 模型结构选择 | 第57-58页 |
| 3.5 本章小结 | 第58-59页 |
| 4 预测控制 | 第59-77页 |
| 4.1 PDF控制 | 第59-60页 |
| 4.2 预测控制概述 | 第60-62页 |
| 4.3 广义预测控制算法 | 第62-63页 |
| 4.4 凸优化 | 第63-74页 |
| 4.4.1 QP问题 | 第63-64页 |
| 4.4.2 具有等式约束的优化问题 | 第64-65页 |
| 4.4.3 等式约束凸二次规划问题 | 第65-66页 |
| 4.4.4 消除等式约束 | 第66-67页 |
| 4.4.5 用对偶方法求解等式约束问题 | 第67-68页 |
| 4.4.6 等式约束的Newton方法 | 第68-74页 |
| 4.5 广义预测控制 | 第74-76页 |
| 4.6 本章小结 | 第76-77页 |
| 5 Dst数据建模分析与仿真实验 | 第77-92页 |
| 5.1 GAMLSS数据包 | 第77页 |
| 5.2 系统噪声服从高斯分布 | 第77-79页 |
| 5.2.1 参数定常 | 第78页 |
| 5.2.2 参数时变 | 第78-79页 |
| 5.3 数据服从t-分布 | 第79-86页 |
| 5.3.1 太阳风与Dst指数介绍 | 第79-81页 |
| 5.3.2 仿真实验结果 | 第81-86页 |
| 5.4 预测控制结果 | 第86-91页 |
| 5.5 本章小结 | 第91-92页 |
| 结论与展望 | 第92-94页 |
| 参考文献 | 第94-98页 |
| 攻读硕士学位期间发表学术论文情况 | 第98-99页 |
| 致谢 | 第99-100页 |
