多元混沌时间序列的变量选择及预测方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-18页 |
| ·课题的研究背景及意义 | 第8-9页 |
| ·多变量混沌时间序列预测的研究内容及方法 | 第9-14页 |
| ·多变量混沌时间序列相空间重构 | 第10-12页 |
| ·多变量混沌时间序列预测方法 | 第12-14页 |
| ·变量选择方法的国内外研究现状及存在问题 | 第14-16页 |
| ·论文主要内容及结构 | 第16-18页 |
| 2 基于改进非线性典型相关分析的变量选择及预测 | 第18-32页 |
| ·线性典型相关分析 | 第18-21页 |
| ·线性典型相关分析的基本思想 | 第18-19页 |
| ·线性典型相关分析的解析算法 | 第19-21页 |
| ·非线性核典型相关分析 | 第21-22页 |
| ·基于神经网络的改进非线性典型相关分析 | 第22-25页 |
| ·RBF神经网络结构 | 第22-23页 |
| ·基于RBF神经网络的改进非线性典型相关分析 | 第23-24页 |
| ·改进非线性典型相关分析的训练算法 | 第24-25页 |
| ·仿真实例分析 | 第25-31页 |
| ·预测性能评价指标 | 第25-26页 |
| ·Lorenz混沌时间序列预测仿真 | 第26-29页 |
| ·大连月降雨与气温混沌时间序列预测仿真 | 第29-31页 |
| ·小结 | 第31-32页 |
| 3 基于神经网络灵敏度分析的变量选择及预测 | 第32-40页 |
| ·神经网络用于变量选择的基本思想 | 第32-34页 |
| ·惩罚项方法 | 第32-34页 |
| ·灵敏度分析方法 | 第34页 |
| ·基于改进灵敏度分析方法的输入变量选择 | 第34-37页 |
| ·灵敏度函数定义 | 第34-36页 |
| ·灵敏度函数计算方法 | 第36页 |
| ·归一化灵敏度函数 | 第36-37页 |
| ·仿真实例分析 | 第37-39页 |
| ·小结 | 第39-40页 |
| 4 基于混沌序列相空间的变量相关性分析及预测 | 第40-50页 |
| ·多变量时间序列中变量的依赖关系 | 第40-42页 |
| ·基于相空间同步的多变量混沌序列相关性分析 | 第42-46页 |
| ·多变量相空间邻域的同步关系分析 | 第42-44页 |
| ·混沌序列非线性相关系数指标 | 第44-45页 |
| ·多变量局域预测模型 | 第45-46页 |
| ·仿真实例分析 | 第46-49页 |
| ·小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-56页 |
| 课题资助情况 | 第56-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
