基于智能算法的预测方法分析与研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·预测的意义 | 第9页 |
| ·研究现状 | 第9-11页 |
| ·本课题预解决的问题 | 第11页 |
| ·本课题的研究目标和内容 | 第11-13页 |
| 第二章 传统时间序列方法预测 | 第13-24页 |
| ·时间序列分析理论基础 | 第13-14页 |
| ·时间序列几种基本模型 | 第14-15页 |
| ·自回归AR模型 | 第14-15页 |
| ·滑动平均MA模型 | 第15页 |
| ·自回归滑动平均ARMA模型 | 第15页 |
| ·自回归AR模型建模预测 | 第15-19页 |
| ·数据预处理 | 第16-17页 |
| ·模型识别 | 第17-18页 |
| ·参数估计和模型定阶 | 第18-19页 |
| ·AR模型预测应用仿真 | 第19-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 小波时间序列预测方法分析与研究 | 第24-35页 |
| ·小波理论基础 | 第24-27页 |
| ·小波分解与重构 | 第24-27页 |
| ·小波-AR模型预测应用研究 | 第27-34页 |
| ·原始时间序列的分解与重构 | 第28-30页 |
| ·各尺度分层系数建模预测 | 第30-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 小波-神经网络-AR预测方法分析与研究 | 第35-50页 |
| ·小波分析-AR模型-Elman神经网络模型 | 第35-37页 |
| ·Elman神经网络理论 | 第37-43页 |
| ·Elman神经网络的基本构造 | 第37-38页 |
| ·Elman神经网络的学习算法 | 第38-41页 |
| ·Elman神经网络收敛性分析 | 第41-43页 |
| ·细节部分的建模与预测研究 | 第43-45页 |
| ·数据归一化处理 | 第43页 |
| ·模型层数和节点数的选择 | 第43-45页 |
| ·概貌部分的建模与预测研究 | 第45-47页 |
| ·原始时间序列预测 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 小波非参数自回归的预测方法分析与研究 | 第50-61页 |
| ·非参数自回归的估计方法 | 第50-55页 |
| ·非参数自回归的函数形式 | 第50-52页 |
| ·模型阶数p的选择 | 第52-53页 |
| ·自回归函数m(x)的估计 | 第53-55页 |
| ·窗宽的选择 | 第55页 |
| ·基于小波-非参数方法的国民收入预测模型 | 第55-60页 |
| ·模型的建立与预测方法 | 第55-56页 |
| ·小波非参数预测应用研究 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67-68页 |
| 致谢 | 第68-69页 |
| 附录 | 第69-74页 |
| 附录1 某国国民生产总值季度数据 | 第69-74页 |
| 附录2 某市1998-2007各月生产总值数据 | 第74页 |
