| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 太阳黑子预测研究现状 | 第10-12页 |
| 1.2.2 水声信号预测研究现状 | 第12-13页 |
| 1.3 本文主要研究内容及论文结构 | 第13-15页 |
| 第2章 经验模态分解及其改进方法 | 第15-27页 |
| 2.1 经验模态分解理论 | 第15-22页 |
| 2.1.1 经验模态分解的基本概念 | 第15-16页 |
| 2.1.2 经验模态分解的基本原理与算法流程 | 第16-19页 |
| 2.1.3 经验模态分解的基本性质 | 第19-20页 |
| 2.1.4 经验模态分解存在的问题 | 第20-22页 |
| 2.2 改进的经验模态分解方法 | 第22-25页 |
| 2.2.1 集成经验模态分解 | 第22页 |
| 2.2.2 完备集合经验模态分解 | 第22-24页 |
| 2.2.3 极点对称经验模态分解 | 第24-25页 |
| 2.3 本章小结 | 第25-27页 |
| 第3章 基于改进经验模态分解和小波神经网络预测模型 | 第27-43页 |
| 3.1 小波神经网络相关理论基础 | 第27-33页 |
| 3.1.1 BP神经网络 | 第27-31页 |
| 3.1.2 小波神经网络 | 第31-33页 |
| 3.2 基于小波神经网络预测模型 | 第33-37页 |
| 3.2.1 实验参数设置 | 第33-34页 |
| 3.2.2 实验评价标准 | 第34-35页 |
| 3.2.3 实验步骤 | 第35页 |
| 3.2.4 实验结果分析 | 第35-37页 |
| 3.3 基于完备集合经验模态分解分解和小波神经网络的预测模型 | 第37-42页 |
| 3.3.1 建立预测模型 | 第37页 |
| 3.3.2 实验仿真与实验结果分析 | 第37-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 改进的小波神经网络与经验模态分解的预测模型 | 第43-55页 |
| 4.1 群智能算法简介 | 第43-44页 |
| 4.2 果蝇优化算法介绍 | 第44-48页 |
| 4.2.1 果蝇优化算法基本步骤 | 第45-47页 |
| 4.2.2 果蝇优化算法参数说明 | 第47-48页 |
| 4.3 基于果蝇优化算法的小波神经网络预测模型 | 第48-50页 |
| 4.3.1 果蝇算法优化的小波神经网络模型预测 | 第48-49页 |
| 4.3.2 实验说明和结果分析 | 第49-50页 |
| 4.4 基于完备集合经验模态分解和改进的小波神经网络组合预测模型 | 第50-53页 |
| 4.4.1 预测模型 | 第50-51页 |
| 4.4.2 实验说明和结果分析 | 第51-53页 |
| 4.5 本章小结 | 第53-55页 |
| 第5章 极点对称经验模态分解和极限学习机的水声信号预测模型 | 第55-65页 |
| 5.1 单层前馈神经网络 | 第55-57页 |
| 5.2 极限学习机 | 第57-59页 |
| 5.3 基点对称经验模态分解和极限学习机的组合预测模型 | 第59-60页 |
| 5.4 实验仿真和结果分析 | 第60-63页 |
| 5.5 本章小结 | 第63-65页 |
| 第6章 总结与展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-75页 |
| 攻读硕士学位期间的研究成果 | 第75页 |
