| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景及意义 | 第10-11页 |
| ·非线性系统时间序列预测面临的主要问题 | 第11-12页 |
| ·研究内容及创新点 | 第12-13页 |
| ·本文的组织框架 | 第13-15页 |
| 第二章 相关研究介绍 | 第15-25页 |
| ·非线性系统时间序列 | 第15-16页 |
| ·时间序列概念 | 第15-16页 |
| ·非线性系统时间序列 | 第16页 |
| ·时间序列预测方法 | 第16-21页 |
| ·基于相似性的方法 | 第16-17页 |
| ·基于统计的方法 | 第17页 |
| ·基于人工智能的方法 | 第17-19页 |
| ·组合预测理论 | 第19-20页 |
| ·预测结果的评估方法 | 第20-21页 |
| ·人工神经网络 | 第21-24页 |
| ·时间序列的预处理 | 第22页 |
| ·人工神经网络的训练过程 | 第22-23页 |
| ·时间序列预测的实现 | 第23-24页 |
| ·算法的改进策略 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于季节分析的 BP 神经网络非线性时间序列预测算法 | 第25-38页 |
| ·问题定义 | 第25-27页 |
| ·基于季节性分析的改进神经网络算法 | 第27-34页 |
| ·算法思想 | 第27-29页 |
| ·算法步骤 | 第29-33页 |
| ·算法描述 | 第33-34页 |
| ·实验 | 第34-37页 |
| ·数据集及评价标准 | 第34-35页 |
| ·实验结果分析 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 自适应混合预测算法 | 第38-47页 |
| ·问题定义 | 第38-39页 |
| ·自适应混合预测模型 | 第39-42页 |
| ·算法思想 | 第39-40页 |
| ·算法步骤 | 第40-42页 |
| ·实验 | 第42-46页 |
| ·数据集及评价标准 | 第42-44页 |
| ·实验结果分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 原型系统介绍 | 第47-53页 |
| ·系统架构介绍 | 第47-48页 |
| ·鸟情预测模块设计 | 第48-50页 |
| ·预测模块的实现 | 第50-53页 |
| ·系统设置 | 第50-51页 |
| ·神经网络预测模型 | 第51-52页 |
| ·自适应混合预测模型 | 第52-53页 |
| 第六章 总结与展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-58页 |
| 在学期间发表的论文及参与的项目 | 第58-59页 |
| 致谢 | 第59页 |