摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第8-11页 |
1.1 课题研究背景及意义 | 第8页 |
1.2 混沌时间序列预测的国内外研究综述 | 第8-9页 |
1.3 基于状态空间模型的混沌时间序列分析研究综述 | 第9-10页 |
1.4 本文的工作及章节安排 | 第10-11页 |
第二章 基于状态空间的混沌时间序列模型 | 第11-24页 |
2.1 时间序列的混沌特性判断 | 第11-12页 |
2.2 基于状态空间的时间序列预测 | 第12-19页 |
2.2.1 状态空间模型 | 第12-15页 |
2.2.2 滚动优化 | 第15-17页 |
2.2.3 常见模型转换状态空间模型 | 第17-19页 |
2.3 基于状态空间的混沌时间序列预测 | 第19-23页 |
2.3.1 基于Volterra的混沌时间序列预测模型 | 第19-20页 |
2.3.2 Volterra控制模型转换状态空间模型 | 第20-21页 |
2.3.3 预测控制算法 | 第21-23页 |
2.4 本章小结 | 第23-24页 |
第三章 跟踪器的控制器设计 | 第24-30页 |
3.1 基于黎卡提矩阵的控制器 | 第24-26页 |
3.2 基于最小方差的控制器 | 第26-27页 |
3.2.1 输出预测 | 第26页 |
3.2.2 最小方差控制 | 第26-27页 |
3.3 基于状态空间的混沌时间序列预测模型 | 第27页 |
3.4 仿真实验与分析 | 第27-29页 |
3.5 本章小结 | 第29-30页 |
第四章 混沌时间序列状态空间模型的参数估计 | 第30-42页 |
4.1 基于GPC模型的参数估计 | 第30-33页 |
4.1.1 GPC模型 | 第30-32页 |
4.1.2 GPC模型参数求解 | 第32-33页 |
4.2 基于EM算法混沌时间序列状态空间模型参数估计 | 第33-39页 |
4.2.1 极大似然法概述 | 第33页 |
4.2.2 状态空间模型参数的极大似然估计 | 第33-34页 |
4.2.3 EM算法 | 第34-39页 |
4.3 仿真及实验分析 | 第39-41页 |
4.4 本章小结 | 第41-42页 |
第五章 混沌时间序列状态空间模型的状态估计 | 第42-49页 |
5.1 Kalman滤波估计 | 第42-43页 |
5.2 粒子滤波估计 | 第43-45页 |
5.2.1 标准粒子滤波 | 第43-45页 |
5.2.2 退化和“样贫” | 第45页 |
5.3 卡尔曼优化粒子滤波状态估计 | 第45-48页 |
5.3.1 EKPF算法 | 第46-47页 |
5.3.2 改进EKPF算法 | 第47页 |
5.3.3 仿真实验与分析 | 第47-48页 |
5.4 本章小结 | 第48-49页 |
第六章 总结与展望 | 第49-51页 |
6.1 总结 | 第49页 |
6.2 展望 | 第49-51页 |
参考文献 | 第51-56页 |
发表论文和科研情况说明 | 第56-57页 |
致谢 | 第57页 |