混沌时间序列预测应用研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·问题的提出 | 第8页 |
| ·选题的意义 | 第8页 |
| ·混沌的简介 | 第8-11页 |
| ·混沌理论的起源和发展 | 第8-9页 |
| ·混沌的定义和特点 | 第9-10页 |
| ·混沌时间序列 | 第10-11页 |
| ·研究内容及本文组织结构 | 第11-13页 |
| ·研究内容 | 第11页 |
| ·本文组织结构 | 第11-13页 |
| 第二章 混沌时间序列分析理论简介 | 第13-32页 |
| ·相空间重构 | 第13-21页 |
| ·嵌入维的选取 | 第14-17页 |
| ·嵌入延迟计算 | 第17-19页 |
| ·关联维数计算 | 第19-21页 |
| ·混沌时间序列的判别方法 | 第21-24页 |
| ·Lyapunov指数 | 第21-22页 |
| ·功率谱 | 第22-24页 |
| ·最大Lyapunov指数和最大预测时间 | 第24-27页 |
| ·最大Lyapunov指数计算 | 第24-26页 |
| ·最大预测时间 | 第26-27页 |
| ·噪声处理技术 | 第27-30页 |
| ·简单非线性降噪法 | 第28-29页 |
| ·卡尔曼滤波 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 混沌时间序列预测方法 | 第32-43页 |
| ·全域法 | 第32-33页 |
| ·局域法 | 第33-34页 |
| ·基于最大Lyapunov指数的预测方法 | 第34-35页 |
| ·BP神经网络预测方法 | 第35-38页 |
| ·遗传算法优化BP神经网络的预测方法 | 第38-40页 |
| ·最小二乘支持向量机预测方法 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 混沌时间序列预测应用举例 | 第43-62页 |
| ·预测性能指标 | 第43-44页 |
| ·无噪声Lorenz混沌时间序列预测 | 第44-45页 |
| ·加噪声Lorenz混沌时间序列预测 | 第45-53页 |
| ·噪声为[-4,4]的预测 | 第45-48页 |
| ·噪声为[-6,6]的预测 | 第48-50页 |
| ·噪声为[-8,8]的预测 | 第50-53页 |
| ·太阳黑子数时间序列预测 | 第53-57页 |
| ·上海证券市场每日成交量预测 | 第57-61页 |
| ·数据样本获取 | 第57-59页 |
| ·模型构建 | 第59-60页 |
| ·实验结果分析及性能 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 结论与展望 | 第62-63页 |
| ·论文总结 | 第62页 |
| ·工作展望 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表的论文 | 第66页 |
