| 目录 | 第1-7页 |
| 第一章 绪论 | 第7-13页 |
| ·引言 | 第7-8页 |
| ·时间序列概述 | 第8页 |
| ·一元时间序列的研究现状 | 第8-11页 |
| ·本文主要工作和论文安排 | 第11-13页 |
| 第二章 时间序列预测方法及智能计算理论基础 | 第13-23页 |
| ·引言 | 第13页 |
| ·AR过程 | 第13-14页 |
| ·MA过程 | 第14页 |
| ·ARMA过程 | 第14-15页 |
| ·ARIMA过程 | 第15页 |
| ·季节时间序列 | 第15-16页 |
| ·智能计算理论基础 | 第16-22页 |
| ·遗传算法 | 第16-17页 |
| ·免疫、克隆算法 | 第17-19页 |
| ·神经网络 | 第19-22页 |
| ·小结 | 第22-23页 |
| 第三章 基于免疫算法的时间序列分析 | 第23-37页 |
| ·引言 | 第23页 |
| ·基于连续可导函数的免疫混合算法 | 第23-28页 |
| ·混合算法描述 | 第24-25页 |
| ·收敛性分析 | 第25-26页 |
| ·仿真试验 | 第26-28页 |
| ·算法性能分析 | 第28页 |
| ·基于免疫克隆选择的ARIMA时间序列模型的参数估计 | 第28-36页 |
| ·似然函数 | 第28-32页 |
| ·参数的免疫选择优化估计 | 第32-34页 |
| ·仿真试验 | 第34-35页 |
| ·算法性能分析 | 第35页 |
| ·存在的问题 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第四章 一种新的季节时间序列模型 | 第37-49页 |
| ·引言 | 第37页 |
| ·模型描述 | 第37-38页 |
| ·模型的讨论 | 第38-39页 |
| ·模型的初始化 | 第39-40页 |
| ·模型的精确估计 | 第40-41页 |
| ·模型的线性化 | 第40-41页 |
| ·参数的免疫估计 | 第41页 |
| ·仿真试验 | 第41-48页 |
| ·模型性能分析 | 第48页 |
| ·小结 | 第48-49页 |
| 第五章 基于BFGS学习算法的管道循环神经网络 | 第49-59页 |
| ·引言 | 第49页 |
| ·管道循环神经网络 | 第49-51页 |
| ·PRNN的学习算法 | 第51-54页 |
| ·RTRL算法 | 第52-53页 |
| ·BFGS算法 | 第53-54页 |
| ·ERLS算法 | 第54页 |
| ·仿真试验 | 第54-57页 |
| ·算法性能分析 | 第57-58页 |
| ·小结 | 第58-59页 |
| 第六章 结论与展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 作者在攻读硕士期间所做的工作 | 第65页 |