| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪言 | 第9-18页 |
| ·引言 | 第9页 |
| ·研究意义 | 第9-10页 |
| ·我国天气预报技术发展 | 第10-11页 |
| ·长期天气过程 | 第11-15页 |
| ·国际长期天气预报的发展概况 | 第11-12页 |
| ·我国长期天气预报的发展概况 | 第12页 |
| ·长期天气过程特征 | 第12页 |
| ·长期天气过程的可预报性 | 第12-13页 |
| ·影响长期天气过程的物理因子 | 第13-14页 |
| ·长期天气预报的一般方法 | 第14-15页 |
| ·本文研究内容 | 第15-17页 |
| ·本文的特色和创新 | 第17-18页 |
| 第二章 时间序列分析方法 | 第18-25页 |
| ·时间序列分析方法 | 第18-22页 |
| ·时间序列分析简介 | 第18页 |
| ·时间序列分析方法的发展 | 第18页 |
| ·时间序列的组成要素 | 第18-19页 |
| ·时间序列模型的分类 | 第19-20页 |
| ·BOX-JENKINS的建模方案 | 第20-22页 |
| ·时间序列分析方法在气象预报上的应用 | 第22-24页 |
| ·时间序列线性模型应用 | 第23页 |
| ·时间序列非线性模型应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 月平均温度时间序列SARIMA建模 | 第25-47页 |
| ·常用气候分析及预测方法 | 第25-27页 |
| ·常用气候分析方法-距平分析法 | 第25-26页 |
| ·常用气候预测方法 | 第26-27页 |
| ·邢台54-09年逐月平均温度时间序列SARIMA建模 | 第27-33页 |
| ·经过数据分析的SARIMA建模 | 第33-38页 |
| ·SARIMA模型扩展应用 | 第36-38页 |
| ·带自变量的SARIMA建模 | 第38-46页 |
| ·线性回归分析方法 | 第38-44页 |
| ·自变量数据的线性相关性计算 | 第44-45页 |
| ·带自变量SARIMA建模 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 BP神经网络和SARIMA模型的组合模型 | 第47-52页 |
| ·人工神经网络 | 第47页 |
| ·BP神经网络 | 第47页 |
| ·BP神经网络在气象上的应用 | 第47页 |
| ·BP神经网络和SARIMA模型的组合模型 | 第47-50页 |
| ·基于SARIMA模型的组合模型的应用 | 第47-48页 |
| ·BP神经网络和SARIMA模型的组合模型原理和方法 | 第48页 |
| ·BP神经网络输入输出层设计 | 第48-50页 |
| ·BP神经网络和SARIMA模型的组合模型的应用 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第五章 结论和展望 | 第52-54页 |
| ·论文研究内容总结 | 第52-53页 |
| ·后续研究工作展望 | 第53-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 作者攻读学位期间发表的学术论文目录 | 第57页 |