基于BP神经网络的混沌时间序列预测方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 引言 | 第8-11页 |
| 1.1 选题背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 本文研究的思路与方法 | 第10-11页 |
| 2 混沌时间序列特性 | 第11-24页 |
| 2.1 混沌的基本概念 | 第11-12页 |
| 2.2 典型的混沌时间序列 | 第12-15页 |
| 2.2.1 虫口模型 | 第12-13页 |
| 2.2.2 Lorenz连续混沌系统 | 第13-15页 |
| 2.3 相空间重构理论 | 第15-17页 |
| 2.3.1 延迟时间τ的选择 | 第15-16页 |
| 2.3.2 嵌入维数的选择 | 第16-17页 |
| 2.4 混沌的识别方法 | 第17-19页 |
| 2.4.1 关联维数 | 第17-18页 |
| 2.4.2 Lyapunov指数 | 第18-19页 |
| 2.5 传统混沌时间预测法 | 第19-24页 |
| 2.5.1 全局预测法 | 第20-22页 |
| 2.5.2 局部预测法 | 第22-24页 |
| 3 BP神经网络 | 第24-40页 |
| 3.1 人工神经网络 | 第24-25页 |
| 3.2 传统的BP神经网络 | 第25-30页 |
| 3.2.1 BP神经网络的算法 | 第25-29页 |
| 3.2.2 BP神经网络的不足 | 第29-30页 |
| 3.3 改进BP神经网络模型 | 第30-40页 |
| 3.3.1 BP神经网络网络设计 | 第30-31页 |
| 3.3.2 学习率的选择 | 第31-32页 |
| 3.3.3 动量项的选择 | 第32-34页 |
| 3.3.4 改进BP神经网络算法实现 | 第34-40页 |
| 4 时间序列数据处理 | 第40-43页 |
| 4.1 数据的标准化处理 | 第40-41页 |
| 4.2 数据去噪处理 | 第41-43页 |
| 5 仿真实验与结果分析 | 第43-52页 |
| 5.1 实例分析 | 第43-48页 |
| 5.2 预测结果分析 | 第48-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 后记 | 第58-59页 |
| 攻读学位期间取得的科研成果清单 | 第59页 |
