时间序列短期预测的方法和技术
| 论文摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-16页 |
| ·课题的背景和意义 | 第11-12页 |
| ·国内外的研究现状 | 第12-14页 |
| ·论文的主要工作及内容 | 第14-15页 |
| ·本文结构 | 第15-16页 |
| 第二章 五种时间序列预测方法的总结 | 第16-34页 |
| ·自回归模型(AR) | 第16-24页 |
| ·自回归模型的理论概述 | 第16-17页 |
| ·自回归(AR)模型的自相关函数 | 第17-19页 |
| ·自回归(AR)模型的偏相关函数 | 第19页 |
| ·自回归模型(AR)阶数的确定 | 第19-21页 |
| ·自回归模型(AR)的参数估计 | 第21-24页 |
| ·自回归滑动平均模型(ARMA) | 第24-27页 |
| ·自回归滑动平均模型的理论概述 | 第24页 |
| ·自回归滑动平均模型(ARMA)的自相关函数 | 第24-25页 |
| ·自回归滑动平均模型(ARMA)阶数的确定 | 第25-26页 |
| ·自回归滑动平均模型(ARMA)的参数估计 | 第26-27页 |
| ·求和自回归滑动平均模型(ARIMA) | 第27-28页 |
| ·BP神经网络 | 第28-32页 |
| ·BP网络的基本概念 | 第28-29页 |
| ·BP算法的数学描述 | 第29-32页 |
| ·径向基函数网络(RBF网络) | 第32-34页 |
| ·径向基函数网络的基本概念 | 第32-33页 |
| ·径向基函数网络的算法描述 | 第33-34页 |
| 第三章 五种时间序列预测方法的实现和比较 | 第34-68页 |
| ·常用的误差指标 | 第34页 |
| ·五种预测方法对海浪信号做20步预测的实验结果 | 第34-46页 |
| ·基于自回归(AR)模型的预测 | 第35-36页 |
| ·基于自回归滑动平均(ARMA)模型的预测 | 第36-37页 |
| ·基于求和自回归滑动平均(ARIMA)模型的预测 | 第37-38页 |
| ·基于BP神经网络的预测 | 第38-42页 |
| ·基于径向基函数RBF神经网络的预测 | 第42-44页 |
| ·比较五种时间序列预测方法的预测结果 | 第44-46页 |
| ·五种预测方法对海浪信号做30步预测的实验结果 | 第46-51页 |
| ·对海浪信号取不同时间段做预测的实验结果 | 第51-56页 |
| ·均匀分布和高斯分布数据的预测结果比较 | 第56-66页 |
| ·均匀分布数据的预测 | 第56-61页 |
| ·高斯分布数据的预测 | 第61-66页 |
| ·小结 | 第66-68页 |
| 第四章 时间序列短期预测系统设计 | 第68-77页 |
| ·系统的设计原则与步骤 | 第69页 |
| ·用户界面的制作 | 第69-73页 |
| ·设计窗口的创建 | 第69-71页 |
| ·用户界面的设计 | 第71-73页 |
| ·GUI编程 | 第73页 |
| ·系统的功能介绍 | 第73-76页 |
| ·系统的输入界面 | 第74-75页 |
| ·系统的输出界面 | 第75-76页 |
| ·小结 | 第76-77页 |
| 第五章 总结与展望 | 第77-80页 |
| ·总结 | 第77-79页 |
| ·展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻读硕士期间发表的论文 | 第83-84页 |
| 致谢 | 第84-85页 |
