基于灰色模型的贫信息变形监测预报分析与研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 变形监测研究的内容、目的、意义 | 第10-11页 |
| 1.1.1 变形监测的基本概念 | 第10页 |
| 1.1.2 变形监测的内容 | 第10页 |
| 1.1.3 变形监测的目的及意义 | 第10-11页 |
| 1.2 变形监测技术及其发展 | 第11页 |
| 1.3 变形分析的内涵及其进展 | 第11-12页 |
| 1.4 贫信息的变形监测 | 第12-13页 |
| 1.5 本文研究的内容和存在的问题 | 第13-15页 |
| 第二章 变形监测数据预处理 | 第15-22页 |
| 2.1 缺失数据的处理方法 | 第15-16页 |
| 2.1.1 删除法 | 第15页 |
| 2.1.2 填补法 | 第15-16页 |
| 2.2 粗差的处理方法 | 第16-20页 |
| 2.2.1 格拉布斯准则 | 第17页 |
| 2.2.2 狄克逊准则 | 第17-18页 |
| 2.2.3 “3s 准则” | 第18页 |
| 2.2.4 数据跳跃法 | 第18-19页 |
| 2.2.5 用一元线性回归进行数据的检核 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 第三章 基本的变形分析与建模方法 | 第22-39页 |
| 3.1 回归分析法 | 第22-25页 |
| 3.1.1 多元线性回归模型 | 第22-24页 |
| 3.1.2 非线性回归模型 | 第24-25页 |
| 3.2 灰色GM模型法 | 第25-26页 |
| 3.3 时间序列分析与预测模型 | 第26-39页 |
| 3.3.1 数据检验与预处理 | 第28-31页 |
| 3.3.2 模型的识别与初步定阶 | 第31-32页 |
| 3.3.3 模型参数的估计 | 第32-35页 |
| 3.3.4 模型的精确定阶 | 第35-37页 |
| 3.3.5 模型的适用性检验 | 第37页 |
| 3.3.6 模型的预测 | 第37-39页 |
| 第四章 灰色预测模型及实例分析 | 第39-58页 |
| 4.1 GM(1,1)预测模型 | 第39-45页 |
| 4.1.1 数据生成 | 第39-40页 |
| 4.1.2 数据序列准光滑和准指数检验 | 第40-41页 |
| 4.1.3 GM(1,1)模型的基本形式 | 第41-42页 |
| 4.1.4 灰色模型的检验 | 第42-43页 |
| 4.1.6 应用实例 | 第43-45页 |
| 4.2 GM(1,1)模型的改进 | 第45-49页 |
| 4.2.1 GM(1,1)模型误差来源分析 | 第45-46页 |
| 4.2.2 PGM(1,1)模型 | 第46页 |
| 4.2.3 应用实例与分析 | 第46-48页 |
| 4.2.4 初值改进的GM(1,1)模型 | 第48页 |
| 4.2.5 实例分析 | 第48-49页 |
| 4.3 GM(1,1)的新信息模型和新陈代谢模型 | 第49-52页 |
| 4.3.1 GM(1,1)的新信息模型的原理 | 第50页 |
| 4.3.2 GM(1,1)的新陈代谢模型的原理 | 第50页 |
| 4.3.3 实例分析 | 第50-52页 |
| 4.4 GM(1,1)模型群的建立 | 第52-56页 |
| 4.4.1 实例分析 | 第52-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 灰色时序组合预测模型及实例分析 | 第58-72页 |
| 5.1 组合模型 | 第58-59页 |
| 5.1.1 组合预测模型的优点 | 第58-59页 |
| 5.2 灰色时序组合模型及实例分析 | 第59-71页 |
| 5.2.1 数据预处理 | 第60-62页 |
| 5.2.2 模型的识别判断和定阶 | 第62-63页 |
| 5.2.3 利用Eviews软件检验模型适用性 | 第63-64页 |
| 5.2.4 模型预测 | 第64-71页 |
| 5.3 本章小结 | 第71-72页 |
| 第六章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72-73页 |
| 6.2 展望 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 附录 | 第77-78页 |
| 致谢 | 第78页 |
