水文时间序列趋势分析的研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·数据挖掘与时间序列概述 | 第9-12页 |
| ·数据挖掘的定义和过程 | 第9-10页 |
| ·时间序列传统分析方法 | 第10-12页 |
| ·时间序列中的数据挖掘 | 第12-15页 |
| ·时间序列的相似性度量 | 第12-13页 |
| ·时间序列中的知识发现 | 第13-14页 |
| ·时间序列的分段符号化 | 第14-15页 |
| ·水文序列趋势分析的研究和意义 | 第15页 |
| ·本文的主要工作及论文组织 | 第15-17页 |
| 第二章 水文时间序列数据预处理 | 第17-21页 |
| ·水文时间序列的特点 | 第17页 |
| ·时间序列数据的净化 | 第17-19页 |
| ·剔除异常和填补缺失值 | 第17-19页 |
| ·净化对趋势分析的作用 | 第19页 |
| ·预处理在水文数据上的应用 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 时间序列的分段线性表示 | 第21-31页 |
| ·时间序列的模式表示 | 第21-23页 |
| ·时域-频域表示方法 | 第21-22页 |
| ·符号化表示方法 | 第22页 |
| ·动态弯曲距离表示方法 | 第22-23页 |
| ·时间序列分段算法及其比较 | 第23-25页 |
| ·限制分段数算法 | 第23-24页 |
| ·限制分段误差算法 | 第24-25页 |
| ·启发式算法 | 第25页 |
| ·基于特征点的分段算法和实验分析 | 第25-30页 |
| ·算法主要思想和实现 | 第25-27页 |
| ·分段序列的线性化表示 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 时间序列中的趋势分析 | 第31-39页 |
| ·时间序列的趋势提取 | 第31-36页 |
| ·时间序列的趋势映射和趋势集 | 第31-34页 |
| ·时间序列中趋势属性的提取 | 第34-35页 |
| ·趋势序列的离散化和压缩方法 | 第35-36页 |
| ·时间序列的趋势分析方法 | 第36-37页 |
| ·基于时间粒度的趋势变化 | 第36-37页 |
| ·基于历史同期的趋势预测 | 第37页 |
| ·水文序列中的趋势分析实例 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 应用实例 | 第39-49页 |
| ·水文实情数据库及SAS系统 | 第39-41页 |
| ·SAS系统简介 | 第39-40页 |
| ·实时水情数据库 | 第40-41页 |
| ·算法及流程设计 | 第41-43页 |
| ·主要算法模块 | 第41-42页 |
| ·模块流程设计 | 第42-43页 |
| ·实验结果分析及评价 | 第43-48页 |
| ·本章小结 | 第48-49页 |
| 第六章 结束语 | 第49-51页 |
| ·研究工作总结 | 第49页 |
| ·未来工作展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢: | 第54页 |
