基于小波去噪的原油价格建模研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究的背景和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 论文研究方法及内容 | 第11-12页 |
| 1.4 本章小结 | 第12-14页 |
| 第2章 方法理论 | 第14-26页 |
| 2.1 小波分析 | 第14-16页 |
| 2.1.1 小波变换本质 | 第14-15页 |
| 2.1.2 小波阈值去噪 | 第15-16页 |
| 2.2 神经网络 | 第16-20页 |
| 2.2.1 BP神经网络 | 第16-17页 |
| 2.2.2 BP神经算法 | 第17-19页 |
| 2.2.3 BP神经网络的优缺点 | 第19-20页 |
| 2.3 遗传算法 | 第20-25页 |
| 2.3.1 遗传算法基本操作 | 第21-22页 |
| 2.3.2 遗传算法执行流程 | 第22-23页 |
| 2.3.3 遗传算法的特点 | 第23-24页 |
| 2.3.4 基于遗传算法的BP网络优化 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 实证分析 | 第26-42页 |
| 3.1 数据选取 | 第26页 |
| 3.2 小波去噪 | 第26-31页 |
| 3.2.1 去噪效果评价 | 第26-27页 |
| 3.2.2 阈值函数的选取 | 第27页 |
| 3.2.3 阈值估计的确定 | 第27-29页 |
| 3.2.4 scal方式的选取 | 第29-30页 |
| 3.2.5 小波函数的选取 | 第30页 |
| 3.2.6 分解层数的确定 | 第30-31页 |
| 3.3 BP神经网络 | 第31-36页 |
| 3.3.1 数据的选取与处理 | 第31-32页 |
| 3.3.2 网络结构及参数的确定 | 第32-34页 |
| 3.3.3 网络的训练 | 第34-35页 |
| 3.3.4 模型预测效果对比 | 第35-36页 |
| 3.4 BP网络的优化 | 第36-39页 |
| 3.4.1 遗传算法各参数的设置 | 第36-37页 |
| 3.4.2 GA-BP算法的实现 | 第37-38页 |
| 3.4.3 GA-BP试验结果 | 第38-39页 |
| 3.5 实验结果对比 | 第39-40页 |
| 3.6 本章小结 | 第40-42页 |
| 总结与展望 | 第42-44页 |
| 1．总结 | 第42页 |
| 2．展望 | 第42-44页 |
| 参考文献 | 第44-48页 |
| 致谢 | 第48-49页 |
