| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-18页 |
| 1.1 课题的研究背景及意义 | 第9-10页 |
| 1.2 多变量混沌特性分析及相关性分析国内外研究现状 | 第10-14页 |
| 1.3 多变量预测模型国内外研究现状 | 第14-17页 |
| 1.4 论文主要内容及结构 | 第17-18页 |
| 2 混沌信号最大Lyapunov指数计算方法 | 第18-29页 |
| 2.1 改进的Rosenstein方法 | 第18-22页 |
| 2.1.1 合并式相空间重构及邻域点选择 | 第19-21页 |
| 2.1.2 改进的Rosenstein方法 | 第21-22页 |
| 2.2 多变量混沌信号最大Lyapunov指数计算 | 第22-23页 |
| 2.3 仿真实例 | 第23-27页 |
| 2.3.1 单变量混沌时间序列最大Lyapunov指数计算仿真 | 第23-25页 |
| 2.3.2 多变量混沌时间序列最大Lyapunov指数计算仿真 | 第25-27页 |
| 2.4 小结 | 第27-29页 |
| 3 基于前向后向预测的多变量因果关系分析及建模方法 | 第29-43页 |
| 3.1 前向预测与后向预测因果关系分析方法 | 第29-31页 |
| 3.2 PCA前馈网络多元混沌时间序列预测模型 | 第31-34页 |
| 3.2.1 基于奇异值分解的主成份分析方法 | 第32-33页 |
| 3.2.2 四层前馈神经网络模型 | 第33页 |
| 3.2.3 网络性能评价 | 第33-34页 |
| 3.3 仿真实例分析 | 第34-42页 |
| 3.3.1 耦合Henon方程 | 第34-35页 |
| 3.3.2 大连降雨和气温二变量时间序列 | 第35-39页 |
| 3.3.3 太阳黑子和黄河年径流二变量时间序列 | 第39-42页 |
| 3.4 小结 | 第42-43页 |
| 4 状态回声机预测模型 | 第43-55页 |
| 4.1 Bayesians状态回声机模型 | 第43-48页 |
| 4.1.1 Bayesians状态回声机 | 第43-44页 |
| 4.1.2 参数的估计 | 第44-45页 |
| 4.1.3 仿真实例 | 第45-48页 |
| 4.2 全复数状态回声机模型 | 第48-54页 |
| 4.2.1 全复数状态回声机广义逆Moore-Penrose算法(M-PCESN) | 第48-50页 |
| 4.2.2 SVM改进全复数ESN(SVCESN) | 第50-51页 |
| 4.2.3 仿真实例 | 第51-54页 |
| 4.3 小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 课题资助情况 | 第61-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
