| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 主要符号表 | 第16-17页 |
| 1 绪论 | 第17-33页 |
| 1.1 研究背景及意义 | 第17-20页 |
| 1.2 相关问题的研究现状 | 第20-31页 |
| 1.2.1 时间序列分割的研究现状 | 第20-24页 |
| 1.2.2 时间序列预测的研究现状 | 第24-31页 |
| 1.3 本文的研究内容 | 第31-33页 |
| 2 基于动态规划的多元时间序列分割方法 | 第33-52页 |
| 2.1 引言 | 第33页 |
| 2.2 多元时间序列的动态规划分割方法 | 第33-43页 |
| 2.2.1 分割代价 | 第33-34页 |
| 2.2.2 分割误差的递归计算 | 第34-40页 |
| 2.2.3 动态规划分割方法 | 第40-42页 |
| 2.2.4 自回归阶数和分割阶数的确定 | 第42-43页 |
| 2.3 实验结果及分析 | 第43-51页 |
| 2.3.1 仿真实验 | 第43-48页 |
| 2.3.2 多元水文气象学时间序列实验 | 第48-51页 |
| 2.4 本章小结 | 第51-52页 |
| 3 基于模糊聚类的时间序列分割与聚类方法 | 第52-75页 |
| 3.1 引言 | 第52-53页 |
| 3.2 时间序列的分割与模糊聚类方法 | 第53-63页 |
| 3.2.1 动态时间规整与均值计算 | 第53-55页 |
| 3.2.2 基于动态规划优化目标函数 | 第55-60页 |
| 3.2.3 确定划分矩阵 | 第60-63页 |
| 3.3 实验结果及分析 | 第63-73页 |
| 3.3.1 一元时间序列仿真实验 | 第64-67页 |
| 3.3.2 多元时间序列仿真实验 | 第67-69页 |
| 3.3.3 一元水文气象学时间序列实验 | 第69-71页 |
| 3.3.4 多元水文气象学时间序列实验 | 第71-73页 |
| 3.4 本章小结 | 第73-75页 |
| 4 基于贝叶斯网的多元时间序列预测方法 | 第75-88页 |
| 4.1 引言 | 第75页 |
| 4.2 多元时间序列的混合预测方法 | 第75-81页 |
| 4.2.1 相关模型及方法 | 第76-78页 |
| 4.2.2 混合预测方法 | 第78-81页 |
| 4.3 实验结果及分析 | 第81-87页 |
| 4.3.1 美国投资时间序列实验 | 第82-85页 |
| 4.3.2 美国利息率时间序列实验 | 第85-87页 |
| 4.4 本章小结 | 第87-88页 |
| 5 基于隐马尔可夫模型的时间序列长期预测方法 | 第88-107页 |
| 5.1 引言 | 第88页 |
| 5.2 时间序列的长期预测方法 | 第88-101页 |
| 5.2.1 时间序列的粒化分割 | 第89-90页 |
| 5.2.2 时间序列片段等长化 | 第90-98页 |
| 5.2.3 基于HMM进行长期预测 | 第98-101页 |
| 5.3 实验结果及分析 | 第101-106页 |
| 5.3.1 Mackey-Glass混沌时间序列实验 | 第101-105页 |
| 5.3.2 电费价格时间序列实验 | 第105-106页 |
| 5.3.3 每日温度时间序列实验 | 第106页 |
| 5.4 本章小结 | 第106-107页 |
| 6 结论与展望 | 第107-111页 |
| 6.1 结论 | 第107-108页 |
| 6.2 创新点 | 第108页 |
| 6.3 展望 | 第108-111页 |
| 参考文献 | 第111-119页 |
| 攻读博士学位期间发表学术论文情况 | 第119-121页 |
| 致谢 | 第121-123页 |
| 作者简介 | 第123页 |