| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 引言 | 第15-23页 |
| 1.1 预测的意义 | 第15-16页 |
| 1.2 模型平均的研究现状 | 第16-19页 |
| 1.3 模型平均研究存在的问题 | 第19页 |
| 1.4 本文的研究内容与研究意义 | 第19-21页 |
| 1.5 本文的结构 | 第21-23页 |
| 第二章 模型平均基础理论的阐述与讨论 | 第23-33页 |
| 2.1 模型选择准则 | 第23-27页 |
| 2.2 最优模型与模型平均 | 第27-28页 |
| 2.3 回归分析与模型平均 | 第28-30页 |
| 2.4 时间序列中季节分离预测与模型平均 | 第30-33页 |
| 第三章 自适应模型平均中的单项模型选择研究 | 第33-61页 |
| 3.1 引言 | 第33-37页 |
| 3.2 ECS-LBM-ARM模型 | 第37-43页 |
| 3.2.1 ECS-LBM方法 | 第37-38页 |
| 3.2.2 ARM模型 | 第38-40页 |
| 3.2.3 ECS-LBM-ARM | 第40页 |
| 3.2.4 ECS-LBM-ARM模型的误差分析 | 第40-43页 |
| 3.3 预测误差度量 | 第43-44页 |
| 3.4 模拟分析 | 第44-47页 |
| 3.4.1 模型描述 | 第44-45页 |
| 3.4.2 α集合的重要性 | 第45页 |
| 3.4.3 单项模型选择的必要性 | 第45-47页 |
| 3.4.4 模拟讨论 | 第47页 |
| 3.5 实例分析 | 第47-50页 |
| 3.5.1 关于蛋白质三级结构物理化学性质的数据集合 | 第48-49页 |
| 3.5.2 Bardet-Biedl综合征的基因数据 | 第49-50页 |
| 3.6 结果与讨论 | 第50-51页 |
| 3.7 附录 | 第51-61页 |
| 第四章 自适应变权重模型平均在时间序列预测中的研究 | 第61-83页 |
| 4.1 引言 | 第61-64页 |
| 4.2 时间序列中模型选择与评价测度 | 第64-67页 |
| 4.2.1 时间序列的基本问题 | 第64-65页 |
| 4.2.2 时间序列中的单项模型选择方法 | 第65-67页 |
| 4.2.3 模型的评价度量 | 第67页 |
| 4.3 自适应变权重模型平均方法 | 第67-71页 |
| 4.3.1 贪婪的自适应变权重模型平均方法 | 第68-70页 |
| 4.3.2 滚动的自适应变权重模型平均方法 | 第70页 |
| 4.3.3 度量：何时使用滚动的变权重模型平均法 | 第70-71页 |
| 4.4 自适应变权重模型平均估计的误差分析 | 第71-77页 |
| 4.5 数据分析 | 第77-79页 |
| 4.5.1 AR模型的模拟分析 | 第77-78页 |
| 4.5.2 结果分析 | 第78页 |
| 4.5.3 实例分析 | 第78-79页 |
| 4.6 结果与讨论 | 第79-83页 |
| 第五章 例解基于模型平均的回归估计 | 第83-139页 |
| 5.1 引言 | 第83-87页 |
| 5.2 模型平均与回归估计 | 第87-92页 |
| 5.2.1 模型平均的本质是回归估计 | 第87-88页 |
| 5.2.2 模型平均方法 | 第88-92页 |
| 5.3 回归估计的有效性分析 | 第92-94页 |
| 5.4 模型评价 | 第94-95页 |
| 5.5 模拟分析 | 第95-100页 |
| 5.5.1 模型描述 | 第95-97页 |
| 5.5.2 模拟结果分析 | 第97-100页 |
| 5.6 结果与讨论 | 第100-104页 |
| 5.7 附录 | 第104-139页 |
| 第六章 结论与展望 | 第139-141页 |
| 参考文献 | 第141-148页 |
| 攻读博士学位期间所获奖励,论文发表情况及科研情况 | 第148-149页 |
| 致谢 | 第149-150页 |
