时间序列分析在东海叶绿素浓度研究中的应用
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 主要研究内容和方法 | 第13-15页 |
| 1.3.1 论文的主要内容和方法 | 第14页 |
| 1.3.2 研究的创新点 | 第14-15页 |
| 2 时间序列分析基本理论 | 第15-23页 |
| 2.1 平稳时间序列 | 第15-17页 |
| 2.2 时间序列模型 | 第17-23页 |
| 2.2.1 经典的时间序列模型 | 第17-19页 |
| 2.2.2 模型的参数估计 | 第19-21页 |
| 2.2.3 白噪声检验 | 第21-23页 |
| 3 谱分析 | 第23-31页 |
| 3.1 谱理论 | 第23-26页 |
| 3.1.1 傅里叶分析 | 第23-24页 |
| 3.1.2 时间序列的谱 | 第24-26页 |
| 3.2 平稳时间序列的谱估计 | 第26-28页 |
| 3.3 基于东海海域叶绿素浓度的谱分析 | 第28-31页 |
| 4 混合潜周期ARFIMA建模 | 第31-49页 |
| 4.1 潜周期模型建模 | 第31-34页 |
| 4.1.1 潜周期模型 | 第31-32页 |
| 4.1.2 模型初估计 | 第32-33页 |
| 4.1.3 实值潜周期模型的参数估计 | 第33页 |
| 4.1.4 模型检验及预测 | 第33-34页 |
| 4.2 长记忆建模 | 第34-39页 |
| 4.2.1 长记忆模型 | 第34页 |
| 4.2.2 长记忆性检验 | 第34-37页 |
| 4.2.3 参数估计 | 第37-38页 |
| 4.2.4 诊断检验和预测分析 | 第38-39页 |
| 4.3 基于东海海域叶绿素浓度的实证分析 | 第39-49页 |
| 4.3.1 潜周期建模 | 第39-42页 |
| 4.3.2 ARFIMA建模 | 第42-47页 |
| 4.3.3 混合潜周期ARFIMA模型预测 | 第47-49页 |
| 5 结论与展望 | 第49-51页 |
| 5.1 结论 | 第49-50页 |
| 5.2 展望 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 作者在读期间参加的科研项目 | 第57-58页 |
| 附录A 论文中的原始数据 | 第58-61页 |
| 附录B 论文中的代码 | 第61-63页 |
| B.1 谱分析代码 | 第61页 |
| B.2 混合潜周期ARFIMA模型代码 | 第61-63页 |
