| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-15页 |
| 1.2.1 时间序列研究现状及发展趋势 | 第11-12页 |
| 1.2.2 高斯过程模型研究现状及发展趋势 | 第12-13页 |
| 1.2.3 高斯过程混合模型研究现状及发展趋势 | 第13-15页 |
| 1.3 本文主要研究内容及结构安排 | 第15-18页 |
| 1.3.1 主要研究内容 | 第15-16页 |
| 1.3.2 全文结构安排 | 第16-18页 |
| 第二章 高斯过程混合模型(GPM)基本原理 | 第18-26页 |
| 2.1 高斯过程 | 第18-19页 |
| 2.2 高斯过程回归(GPR)模型原理简述 | 第19-21页 |
| 2.3 高斯过程混合(GPM)模型原理简述 | 第21-22页 |
| 2.4 GPM学习算法原理简述 | 第22-24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 高斯过程混合模型在短时高速交通流量多模态预测中的应用 | 第26-35页 |
| 3.1 交通流量的研究意义 | 第26-27页 |
| 3.2 GPM模型学习和预测原理 | 第27-29页 |
| 3.2.1 期望最大化学习原理 | 第27-28页 |
| 3.2.2 预测过程简述 | 第28-29页 |
| 3.3 实验结果及比较分析 | 第29-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 稀疏高斯过程混合模型在电力负荷和短时交通流量预测中的应用 | 第35-49页 |
| 4.1 电力负荷和交通流量的研究意义 | 第35-36页 |
| 4.2 稀疏高斯过程混合模型原理简述 | 第36-38页 |
| 4.3 基于Sparse-GPM模型的多模态电力负荷和交通流量预测原理及评价标准 | 第38页 |
| 4.4 实验结果分析 | 第38-48页 |
| 4.4.1 基于Sparse-GPM模型的短期电力负荷预测结果及比较分析 | 第39-45页 |
| 4.4.2 基于Sparse-GPM模型的短期交通流量预测结果及比较分析 | 第45-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 高斯过程混合模型在锂离子电池剩余使用寿命预测中的应用 | 第49-57页 |
| 5.1 锂离子电池剩余使用寿命预测的研究意义 | 第49-50页 |
| 5.2 锂离子电池数据来源简介 | 第50-51页 |
| 5.3 基于高斯过程混合模型的实验结果分析 | 第51-54页 |
| 5.4 本章小结 | 第54-57页 |
| 第六章 结论 | 第57-59页 |
| 6.1 结论 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-65页 |
| 攻读学位期间所取得的相关科研成果 | 第65-67页 |
| 致谢 | 第67页 |
