| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-10页 |
| 1.1 研究背景及研究现状 | 第8-9页 |
| 1.2 本文主要工作 | 第9页 |
| 1.3 本文的创新 | 第9-10页 |
| 第二章 遗传算法及其改进 | 第10-18页 |
| 2.1 传统遗传算法(SGA) | 第10-13页 |
| 2.1.1 传统遗传算法简介 | 第10-11页 |
| 2.1.2 编码与解码 | 第11页 |
| 2.1.3 适应度函数 | 第11-12页 |
| 2.1.4 选择算子 | 第12页 |
| 2.1.5 交叉算子 | 第12-13页 |
| 2.1.6 变异算子 | 第13页 |
| 2.2 遗传算法的改进 | 第13-17页 |
| 2.2.1 分层遗传算法(HGA) | 第14-15页 |
| 2.2.2 自适应遗传算法(AGA) | 第15-16页 |
| 2.2.3 Messy GA | 第16-17页 |
| 2.3 小结 | 第17-18页 |
| 第三章 函数系数时序模型参数估计及随机模拟 | 第18-24页 |
| 3.1 函数系数时序模型简介 | 第18页 |
| 3.2 SGA方法 | 第18-19页 |
| 3.2.1 SGA算法步骤 | 第18-19页 |
| 3.2.2 模型参数估计结果 | 第19页 |
| 3.3 HGA方法 | 第19-21页 |
| 3.3.1 HGA算法步骤 | 第19-20页 |
| 3.3.2 模型参数估计结果 | 第20-21页 |
| 3.4 AGA方法 | 第21-22页 |
| 3.4.1 AGA算法步骤 | 第21-22页 |
| 3.4.2 模型参数估计结果 | 第22页 |
| 3.5 Messy GA方法 | 第22-23页 |
| 3.5.1 Messy GA算法步骤 | 第22-23页 |
| 3.5.2 模型参数估计结果 | 第23页 |
| 3.6 小结 | 第23-24页 |
| 第四章 异常点模型及诊断 | 第24-31页 |
| 4.1 异常点的概念 | 第24页 |
| 4.2 异常点模型 | 第24-25页 |
| 4.3 极值理论 | 第25-26页 |
| 4.4 异常点诊断统计量 | 第26-30页 |
| 4.5 小结 | 第30-31页 |
| 第五章 函数系数时序模型异常点诊断步骤及单个(或多个不连续)异常点随机模拟 | 第31-51页 |
| 5.1 异常点模型诊断步骤 | 第31-33页 |
| 5.1.1 绝对值诊断统计量诊断步骤 | 第31-32页 |
| 5.1.2 平方诊断统计量诊断步骤 | 第32-33页 |
| 5.1.3 调整的平方诊断统计量诊断步骤 | 第33页 |
| 5.2 单个异常点或者多个不连续异常点诊断举例 | 第33-49页 |
| 5.2.1 SGA方法 | 第34-39页 |
| 5.2.2 HGA方法 | 第39-43页 |
| 5.2.3 AGA方法 | 第43-46页 |
| 5.2.4 Messy GA方法 | 第46-49页 |
| 5.3 小结 | 第49-51页 |
| 第六章 函数系数时序模型多个连续异常点随机模拟 | 第51-64页 |
| 6.1 多个连续异常点诊断举例 | 第51-63页 |
| 6.2 小结 | 第63-64页 |
| 第七章 总结与展望 | 第64-65页 |
| 7.1 本文结论 | 第64页 |
| 7.2 有待进一步研究的问题 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-67页 |