| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-12页 |
| 第一章 引言 | 第12-22页 |
| ·研究背景及意义 | 第12-19页 |
| ·本文的主要工作 | 第19-22页 |
| 第二章 消除指数趋势对Laplace-DFA模型影响研究 | 第22-32页 |
| ·模型与算法 | 第22-27页 |
| ·MF-DFA模型 | 第22-25页 |
| ·Laplace算法 | 第25-27页 |
| ·基于Laplace-DFA模型的指数趋势最小化效应 | 第27-31页 |
| ·具有指数趋势的单分形时间序列 | 第27-29页 |
| ·具有指数趋势的重分形时间序列 | 第29-31页 |
| ·主要结果 | 第31-32页 |
| 第三章 时间序列DCCA模型研究 | 第32-50页 |
| ·ARFIMA与MF-DCCA模型 | 第32-37页 |
| ·R/S模型 | 第32-34页 |
| ·一维ARFIMA模型 | 第34页 |
| ·双组ARFIMA模型 | 第34-35页 |
| ·MF-DCCA模型 | 第35-37页 |
| ·基于多种滤波技术的DCCA研究 | 第37-41页 |
| ·多项式滤波 | 第37-38页 |
| ·幂函数滤波 | 第38-39页 |
| ·指数滤波 | 第39页 |
| ·对数滤波 | 第39-40页 |
| ·对数平移滤波 | 第40-41页 |
| ·多种趋势对MF-DCCA模型的影响 | 第41-48页 |
| ·幂函数趋势 | 第41-44页 |
| ·指数趋势 | 第44-46页 |
| ·对数趋势 | 第46-48页 |
| ·主要结论 | 第48-50页 |
| 第四章 利用DFA与DCCA模型探测交通时间序列的相关特征 | 第50-62页 |
| ·预备知识 | 第50-54页 |
| ·时间序列的自相关与交叉相关特征研究 | 第54-60页 |
| ·时间序列的自相关与交叉相关特征研究 | 第55-58页 |
| ·符号时间序列的自相关与交叉相关特征研究 | 第58-60页 |
| ·主要结论 | 第60-62页 |
| 第五章 时间序列非线性预测及其应用 | 第62-76页 |
| ·混沌理论及模型 | 第63-68页 |
| ·相空间重构 | 第63-65页 |
| ·混沌特征指数 | 第65-67页 |
| ·混沌预测 | 第67-68页 |
| ·非线性时间序列的混沌特征及其预测 | 第68-74页 |
| ·非线性时间序列混沌状态的初步诊断 | 第68-70页 |
| ·非线性时间序列相空间重构维数的确定 | 第70-72页 |
| ·非线性时间序列关联维数的估计 | 第72-73页 |
| ·非线性时间序列的最大Lyapunov指数 | 第73页 |
| ·非线性时间序列的混沌预测 | 第73-74页 |
| ·主要结果 | 第74-76页 |
| 第六章 消除指数趋势的CSVD-DFA模型研究 | 第76-82页 |
| ·模型与算法 | 第76-78页 |
| ·奇异值分解算法 | 第76-77页 |
| ·CSVD模型 | 第77-78页 |
| ·基于CSVD-DFA模型的指数趋势最小化效应 | 第78-80页 |
| ·基于CSVD-DFA模型的单分形时间序列指数趋势最小化效应 | 第78-79页 |
| ·基于CSVD-DFA模型的重分形时间序列指数趋势最小化效应 | 第79-80页 |
| ·主要结果 | 第80-82页 |
| 第七章 结论与展望 | 第82-84页 |
| 参考文献 | 第84-92页 |
| 作者简介 | 第92-96页 |
| 学位论文数据集 | 第96页 |
