| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 本文研究的背景和目的 | 第9-10页 |
| 1.2 国内外研究现状与发展趋势 | 第10-12页 |
| 1.3 研究内容与关键问题 | 第12-13页 |
| 1.3.1 研究的主要内容 | 第12页 |
| 1.3.2 本文解决的关键问题 | 第12-13页 |
| 1.4 本文组织结构 | 第13-15页 |
| 第2章 变形分析及预测的理论基础 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 时间序列分析法 | 第15-16页 |
| 2.3 灰色系统理论 | 第16-17页 |
| 2.4 回归分析法 | 第17-23页 |
| 2.4.1 多元线性回归分析法 | 第17-19页 |
| 2.4.2 逐步回归分析法 | 第19-23页 |
| 2.5 有限元法 | 第23-24页 |
| 2.6 Kalman滤波 | 第24页 |
| 2.7 BP神经网络 | 第24-27页 |
| 2.8 小波分析 | 第27-28页 |
| 2.9 本章小结 | 第28-29页 |
| 第3章 基于Kalman滤波的灰色BP神经网络模型理论基础 | 第29-45页 |
| 3.1 引言 | 第29页 |
| 3.2 Kalman滤波 | 第29-35页 |
| 3.2.1 标准Kalman滤波 | 第29-32页 |
| 3.2.2 Kalman滤波状态模型 | 第32-33页 |
| 3.2.3 滤波初值的确定 | 第33-34页 |
| 3.2.4 滤波效果评价指标 | 第34-35页 |
| 3.3 灰色系统理论 | 第35-43页 |
| 3.3.1 数据生成 | 第35-36页 |
| 3.3.2 GM(1,1)灰色模型 | 第36-38页 |
| 3.3.3 灰色模型的检验 | 第38页 |
| 3.3.4 灰色系统与神经网络组合 | 第38-41页 |
| 3.3.5 实例分析 | 第41-43页 |
| 3.4 基于Kalman滤波的灰色模型 | 第43页 |
| 3.5 基于Kalman滤波的灰色BP神经网络模型 | 第43-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于Kalman滤波的灰色BP神经网络模型应用 | 第45-57页 |
| 4.1 工程实例分析 | 第45-48页 |
| 4.2 回归分析 | 第48-51页 |
| 4.3 BP神经网络模型 | 第51-52页 |
| 4.4 基于Kalman滤波的灰色BP神经网络模型 | 第52-53页 |
| 4.5 数据统计分析 | 第53-55页 |
| 4.6 本章小结 | 第55-57页 |
| 第5章 总结与展望 | 第57-59页 |
| 5.1 本文研究工作总结 | 第57-58页 |
| 5.2 展望与建议 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63页 |
