| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 图表清单 | 第8-9页 |
| 注释表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-11页 |
| ·国内外研究发展现状 | 第11-13页 |
| ·本文的研究内容和组织结构 | 第13-15页 |
| 第二章 时间序列预测技术概述 | 第15-24页 |
| ·基本概念 | 第15-17页 |
| ·时间序列的组成成分 | 第15页 |
| ·向前预测步数和预测数据更新 | 第15-16页 |
| ·数据预处理 | 第16-17页 |
| ·相空间重构 | 第17页 |
| ·预测方法概述 | 第17-21页 |
| ·简单预测 | 第17-18页 |
| ·基于回归的预测 | 第18-19页 |
| ·平滑方法 | 第19-20页 |
| ·神经网络与支持向量机 | 第20页 |
| ·组合方法 | 第20-21页 |
| ·预测结果评价 | 第21-24页 |
| ·数据分割 | 第21-22页 |
| ·预测精度评价 | 第22-24页 |
| 第三章 灰色模型与粒子群优化神经网络组合算法 | 第24-41页 |
| ·基本理论 | 第24-29页 |
| ·灰色 GM(1,1)预测模型 | 第24-26页 |
| ·BP 神经网络回归预测模型 | 第26-28页 |
| ·粒子群优化算法 | 第28-29页 |
| ·基本灰色模型和 PSO 训练神经网络的组合预测模型 | 第29-32页 |
| ·PSO-神经网络学习算法 | 第29-31页 |
| ·组合预测模型 | 第31-32页 |
| ·实验与分析 | 第32-40页 |
| ·预测效果评价标准 | 第32-33页 |
| ·发动机排气温度预测 | 第33-37页 |
| ·发动机振动趋势预测 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于粒子群参数优化的模糊支持向量机算法 | 第41-52页 |
| ·支持向量机回归的基本原理 | 第41-43页 |
| ·基于模糊支持向量机的时间序列预测方法 | 第43-47页 |
| ·模糊支持向量机 | 第43-44页 |
| ·时间序列数据的隶属度函数 | 第44-45页 |
| ·建模步骤 | 第45-46页 |
| ·实验与分析 | 第46-47页 |
| ·基于粒子群优化的模糊支持向量机参数选择算法 | 第47-50页 |
| ·模型优劣的评价标准 | 第47-48页 |
| ·PSO 参数优化算法 | 第48-49页 |
| ·实验与分析 | 第49-50页 |
| ·本章小结 | 第50-52页 |
| 第五章 多参数条件下的航空发动机性能退化评估 | 第52-60页 |
| ·灰关联分析 | 第52-53页 |
| ·基于多参数的发动机性能退化评估模型 | 第53-56页 |
| ·支持向量描述算法 | 第53-55页 |
| ·建模步骤 | 第55-56页 |
| ·实验与分析 | 第56-60页 |
| ·灰关联分析 | 第56-57页 |
| ·性能退化评估 | 第57页 |
| ·参数影响分析 | 第57-60页 |
| 第六章 总结与展望 | 第60-62页 |
| ·本文总结 | 第60-61页 |
| ·研究展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 在学期间的研究成果及发表的学术论文 | 第67页 |