| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 主要符号表 | 第10-11页 |
| 第1章 绪论 | 第11-20页 |
| ·混沌研究的意义和发展现状 | 第11-15页 |
| ·混沌概念的提出和研究发展 | 第11-12页 |
| ·混沌特性和研究意义 | 第12-15页 |
| ·多变量时间序列预测的研究现状 | 第15-18页 |
| ·多变量时间序列预测方法的研究现状 | 第16页 |
| ·混沌在多变量时间序列预测中的应用 | 第16-18页 |
| ·论文主要内容与结构 | 第18-20页 |
| 第2章 基于 RBF 神经网络的混沌序列预测 | 第20-29页 |
| ·RBF 神经网络结构和学习算法 | 第20-24页 |
| ·径向基函数神经网络（RBFNN）结构 | 第20-22页 |
| ·径向基函数神经网络（RBFNN）学习算法 | 第22-24页 |
| ·混沌相空间重构及在RBF 网络预测中的应用 | 第24-28页 |
| ·相空间重构 | 第24-26页 |
| ·混沌序列预测 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 RBF 网络结构优化及应用 | 第29-38页 |
| ·RBF 网络聚类中心对预测精度的影响 | 第29-30页 |
| ·合理选择训练样本优化网络结构 | 第30-34页 |
| ·样本对网络训练过程的影响 | 第30-31页 |
| ·小数据集优化方法 | 第31-32页 |
| ·样本优化对网络结构的影响 | 第32-34页 |
| ·一种基于小数据集的改进RBF 网络 | 第34-37页 |
| ·聚类方法的改进 | 第35页 |
| ·总体步骤加仿真 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 基于改进 RBF 神经网络的多变量混沌序列预测 | 第38-49页 |
| ·多变量相空间重构 | 第38页 |
| ·Lorenz 混沌系统预测仿真 | 第38-44页 |
| ·Lorenz 混沌时间序列 | 第38-39页 |
| ·Lorenz 混沌时间序列预测仿真 | 第39-44页 |
| ·大连气温降雨两变量序列预测仿真 | 第44-48页 |
| ·数据来源 | 第44-45页 |
| ·大连气温降雨两变量时间序列预测仿真 | 第45-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 基于RBF 神经网络的混沌时间序列预测系统设计与开发 | 第49-54页 |
| ·总体设计方案 | 第49-50页 |
| ·系统界面及操作方法 | 第50-52页 |
| ·演示实例 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 附录Ⅰ 线性相关性与非线性相关性计算程序清单 | 第56-58页 |
| 附录Ⅱ 小数据集优化 RBF 网络聚类中心程序清单 | 第58-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第66页 |
