基于灰色与时序的组合模型在变形监测中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·选题的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·变形监测技术及其发展 | 第10-11页 |
| ·变形分析与预测的现状及进展 | 第11-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第2章 灰色系统理论 | 第15-23页 |
| ·灰色系统理论的基本原理 | 第15-18页 |
| ·灰色系统理论概述 | 第15-16页 |
| ·灰色系统理论的基本概念 | 第16-18页 |
| ·GM（1,1）模型 | 第18-22页 |
| ·灰色微分方程 | 第19页 |
| ·GM（1,1）模型的建立 | 第19-20页 |
| ·GM（1,1）模型的精度检验 | 第20-21页 |
| ·GM（1,1）模型群 | 第21页 |
| ·GM（1,1）加权模型 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 时间序列分析 | 第23-36页 |
| ·时间序列分析概述 | 第23-25页 |
| ·随机过程 | 第24页 |
| ·平稳时间序列的数字特征 | 第24-25页 |
| ·平稳时间序列模型 | 第25-26页 |
| ·自回归（AR）模型 | 第25-26页 |
| ·滑动平均（MA）模型 | 第26页 |
| ·自回归滑动平均（ARMA）模型 | 第26页 |
| ·时间序列的 B-J 法建模过程 | 第26-35页 |
| ·数据预处理 | 第27-28页 |
| ·模型识别及初步定阶 | 第28-29页 |
| ·参数的最小二乘估计 | 第29-31页 |
| ·模型的精确定阶 | 第31-33页 |
| ·模型适应性检验 | 第33-34页 |
| ·时间序列的预测 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 非线性灰色-时序组合模型 | 第36-45页 |
| ·组合模型概述 | 第36-39页 |
| ·组合模型的优点 | 第36-37页 |
| ·灰色-时序组合模型 | 第37-39页 |
| ·非线性灰色-时序组合模型在工程实例中的应用 | 第39-44页 |
| ·用 GM（1,1）模型提取趋势项 | 第40页 |
| ·用时序分析对随机部分进行建模 | 第40-43页 |
| ·分析与讨论 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 线性灰色-时序组合模型 | 第45-58页 |
| ·非最优灰色-时序组合模型 | 第45-49页 |
| ·方差倒数法 | 第45页 |
| ·熵值法 | 第45-46页 |
| ·实例分析 | 第46-49页 |
| ·最优灰色-时序组合模型 | 第49-52页 |
| ·预测误差平方和最小法 | 第50-51页 |
| ·实例分析 | 第51-52页 |
| ·灰色-时序组合模型的改进 | 第52-57页 |
| ·新息的加入 | 第53页 |
| ·实例分析 | 第53-57页 |
| ·粗差的分析与讨论 | 第57页 |
| ·本章小结 | 第57-58页 |
| 第6章 总结与展望 | 第58-60页 |
| ·本文总结 | 第58-59页 |
| ·展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 个人简历、申请学位期间的研究成果及发表的学术论文 | 第63-64页 |
| 致谢 | 第64页 |
