| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 论文的选题背景和研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-11页 |
| 1.3 论文的主要研究内容 | 第11-13页 |
| 2 时间序列预测理论与SOM神经网络 | 第13-19页 |
| 2.1 时间序列预测的基本概念 | 第13-15页 |
| 2.1.1 混沌理论 | 第13-14页 |
| 2.1.2 相空间重构 | 第14-15页 |
| 2.2 SOM神经网络与VQTAM技术 | 第15-18页 |
| 2.2.1 SOM神经网络 | 第15-17页 |
| 2.2.2 VQTAM技术 | 第17-18页 |
| 2.3 小结 | 第18-19页 |
| 3 递推SOM方法在交通流量预测中的应用 | 第19-31页 |
| 3.1 递推SOM方法 | 第19-25页 |
| 3.1.1 RecSOM方法 | 第22-23页 |
| 3.1.2 SOMSD方法 | 第23-25页 |
| 3.1.3 算法实现 | 第25页 |
| 3.2 应用实例 | 第25-29页 |
| 3.2.1 预测模型参量的选取 | 第26页 |
| 3.2.2 实例一 | 第26-28页 |
| 3.2.3 实例二 | 第28-29页 |
| 3.3 小结 | 第29-31页 |
| 4 一类基于SOM神经网络的局部AR方法在时间序列预测中的应用 | 第31-54页 |
| 4.1 一类基于SOM神经网络的局部AR方法 | 第32-38页 |
| 4.1.1 结合多个局部线性模型的AR-SOM方法 | 第33-34页 |
| 4.1.2 结合时变局部线性模型的K-SOM方法 | 第34-35页 |
| 4.1.3 结合多个局部线性模型的在线LLM-SOM方法 | 第35-37页 |
| 4.1.4 算法实现 | 第37-38页 |
| 4.2 混沌时间序列预测 | 第38-43页 |
| 4.2.1 Mackey-Glass混沌时间序列预测 | 第39-41页 |
| 4.2.2 Lorenz混沌时间序列预测 | 第41-43页 |
| 4.3 网络流量预测实例 | 第43-46页 |
| 4.4 视频流量预测实例 | 第46-53页 |
| 4.5 小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 攻读学位期间的研究成果 | 第59页 |
