| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪 论 | 第7-12页 |
| ·研究背景和意义 | 第7-8页 |
| ·时间序列预测研究现状 | 第8-10页 |
| ·本文主要工作和内容安排 | 第10-12页 |
| 第2章 复杂时间序列可预报性初步分析 | 第12-23页 |
| ·预报理论基础 | 第12-16页 |
| ·随机时间序列的可预报问题 | 第16-19页 |
| ·股票指数的可预报性分析 | 第19-21页 |
| ·本章小结 | 第21-23页 |
| 第3章 时间序列数据挖掘 | 第23-39页 |
| ·时间序列相似性度量 | 第23-28页 |
| ·时间序列的定义 | 第23-24页 |
| ·时间序列相似性度量研究 | 第24-28页 |
| ·时间序列分类算法 | 第28-34页 |
| ·时间序列预测算法 | 第34-37页 |
| ·本章小结 | 第37-39页 |
| 第4章 改进的时间序列预测算法 | 第39-60页 |
| ·经验模式分解方法 | 第39-46页 |
| ·原始 EMD 算法基本思想 | 第39-41页 |
| ·EMD 与Hilbert 变换结合提取信号的瞬时特征 | 第41-43页 |
| ·EMD 存在的问题及改进算法 | 第43-46页 |
| ·RBF 网格结构及学习算法 | 第46-49页 |
| ·神经网络输入数据预处理 | 第49-53页 |
| ·基于 EMD 分解的 RBF 神经网络建模研究 | 第53-58页 |
| ·模型算法分析 | 第54-55页 |
| ·仿真结果 | 第55-58页 |
| ·本章小结 | 第58-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-68页 |
| 致谢 | 第68页 |