摘要 | 第3-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-20页 |
1.1 选题背景和意义 | 第10-12页 |
1.1.1 选题背景 | 第10-11页 |
1.1.2 研究意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-16页 |
1.2.1 国外研究现状 | 第12-14页 |
1.2.2 国内研究现状 | 第14-16页 |
1.2.3 国内外研究现状评述 | 第16页 |
1.3 本文研究内容与方法 | 第16-19页 |
1.3.1 研究内容 | 第16-17页 |
1.3.2 研究方法 | 第17-19页 |
1.4 技术路线 | 第19-20页 |
2 相关理论基础 | 第20-28页 |
2.1 模糊时间序列 | 第20-22页 |
2.1.1 时间序列 | 第20-21页 |
2.1.2 模糊时间序列 | 第21-22页 |
2.2 模糊信息优化理论 | 第22-26页 |
2.2.1 信息分配理论 | 第22-24页 |
2.2.2 信息扩散理论 | 第24-26页 |
2.3 模糊近似推理理论 | 第26页 |
2.4 模糊集重心理论 | 第26-27页 |
2.5 本章小结 | 第27-28页 |
3 基于信息分配的多变量模糊时间序列模型 | 第28-32页 |
3.1 基于信息分配的时间序列模糊化 | 第28-29页 |
3.2 模糊信息矩阵的建立 | 第29-30页 |
3.2.1 单个样本点的模糊信息矩阵 | 第29页 |
3.2.2 样本集的模糊信息矩阵 | 第29-30页 |
3.3 模糊关系矩阵的建立 | 第30页 |
3.4 预测模型的建立 | 第30-31页 |
3.5 本章小结 | 第31-32页 |
4 基于正态信息扩散的多变量模糊时间序列模型 | 第32-38页 |
4.1 时间序列模糊化 | 第32-34页 |
4.1.1 基于正态信息扩散的时间序列模糊化 | 第32-33页 |
4.1.2 正态信息扩散系数的选择 | 第33-34页 |
4.2 模糊信息矩阵的建立 | 第34-35页 |
4.2.1 单个样本点的模糊信息矩阵 | 第34-35页 |
4.2.2 样本集的模糊信息矩阵 | 第35页 |
4.3 模糊关系矩阵的建立 | 第35页 |
4.4 预测模型的建立 | 第35-36页 |
4.5 本章小结 | 第36-38页 |
5 案例分析——SO_2排放量预测 | 第38-62页 |
5.1 指标的选取和说明 | 第38-39页 |
5.1.1 二氧化硫排放量(ESO_2) | 第38页 |
5.1.2 能源消费总量(TEC) | 第38-39页 |
5.1.3 人均GDP(PCGDP) | 第39页 |
5.2 数据来源 | 第39-40页 |
5.3 基于信息分配的模糊时间序列模型预测 | 第40-47页 |
5.3.1 模糊度的选择 | 第40-41页 |
5.3.2 模糊度△_1的IDMFTSM预测 | 第41-43页 |
5.3.3 不同模糊度的IDMFTSM预测 | 第43-46页 |
5.3.4 结果比较分析 | 第46-47页 |
5.4 基于正态信息扩散的模糊时间序列模型预测 | 第47-52页 |
5.4.1 信息扩散系数h_0的NDMFTSM预测 | 第47-50页 |
5.4.2 信息扩散系数h_(MSE)的NDMFTSM预测 | 第50页 |
5.4.3 结果比较分析 | 第50-52页 |
5.5 经典多变量马尔可夫模糊时间序列模型预测 | 第52-55页 |
5.5.1 模糊度△_1的Markov预测 | 第52-53页 |
5.5.2 信息扩散系数h_0的Markov预测 | 第53-55页 |
5.6 模型预测结果对比分析 | 第55-60页 |
5.6.1 Markov_(△1)与IDMFTSM_(△1)模型的预测结果比较 | 第55-56页 |
5.6.2 Markov_(h0)与NDMFTSM_(h0)模型的预测结果比较 | 第56-57页 |
5.6.3 IDMFTSM_(△1)与NDMFTSM_(h0)模型的预测结果比较 | 第57-59页 |
5.6.4 模型评价 | 第59-60页 |
5.7 本章小结 | 第60-62页 |
6 主要结论与展望 | 第62-64页 |
6.1 主要结论 | 第62-63页 |
6.2 不足与展望 | 第63-64页 |
参考文献 | 第64-68页 |
致谢 | 第68-70页 |
在学期间主要研究成果 | 第70页 |