| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·国内外研究现状 | 第8-11页 |
| ·国外研究现状 | 第8-10页 |
| ·国内研究现状 | 第10-11页 |
| ·论文主要内容及章节安排 | 第11-13页 |
| ·研究内容 | 第11-12页 |
| ·章节安排 | 第12-13页 |
| 第二章 时间序列预测及相似性度量相关算法 | 第13-21页 |
| ·时间序列预测 | 第13-16页 |
| ·时间序列预测概述 | 第13-14页 |
| ·时间序列预测方法及分类 | 第14-15页 |
| ·时间序列预测模型 | 第15-16页 |
| ·时间序列相似性度量 | 第16-19页 |
| ·时间序列模式表示 | 第17-18页 |
| ·时间序列距离度量 | 第18-19页 |
| ·本章小结 | 第19-21页 |
| 第三章 隧道传感器数据混沌分析 | 第21-35页 |
| ·混沌理论概述 | 第21-22页 |
| ·相空间重构理论 | 第22-24页 |
| ·时间延迟选取 | 第22-23页 |
| ·嵌入维数选取 | 第23-24页 |
| ·混沌识别方法 | 第24-27页 |
| ·功率谱 | 第25-26页 |
| ·最大Lyapunov指数 | 第26-27页 |
| ·仿真实验与分析 | 第27-33页 |
| ·时间序列混沌识别系统 | 第27-28页 |
| ·实验数据集选择 | 第28-30页 |
| ·实验结果分析 | 第30-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于EMD和Volterra模型的预测算法 | 第35-57页 |
| ·Elman递归神经网络预测法 | 第35-37页 |
| ·Volterra级数模型预测法 | 第37-39页 |
| ·基于经验模式分解的时序预测算法 | 第39-42页 |
| ·经验模式分解法 | 第39-40页 |
| ·基于EMD和Elman神经网络的预测算法 | 第40-41页 |
| ·基于EMD和Volterra模型的预测算法 | 第41-42页 |
| ·仿真实验与分析 | 第42-56页 |
| ·时间序列预测系统 | 第42-44页 |
| ·公共数据集实验 | 第44-50页 |
| ·隧道烟雾浓度数据集实验 | 第50-56页 |
| ·算法分析 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第五章 隧道传感器数据超标趋势相似性查找 | 第57-67页 |
| ·时间序列相似性查找相关内容 | 第57-58页 |
| ·时间序列分段线性表示 | 第58-63页 |
| ·分段线性表示的相关研究 | 第58页 |
| ·改进的基于特征点线性分段表示 | 第58-60页 |
| ·实验结果 | 第60-63页 |
| ·时间序列的相似性查找 | 第63-66页 |
| ·问题描述 | 第63-64页 |
| ·形态相似性查找算法 | 第64页 |
| ·仿真实验与分析 | 第64-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 在读期间的研究成果 | 第75-76页 |