| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-21页 |
| ·研究的目的和意义 | 第10-11页 |
| ·国内外研究现状分析 | 第11-18页 |
| ·混沌理论发展历程 | 第11-14页 |
| ·混沌时间序列预测模型研究现状 | 第14-18页 |
| ·研究内容及结构安排 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第2章 相空间重构理论研究 | 第21-40页 |
| ·混沌本质探讨 | 第21-26页 |
| ·Takens定理 | 第26-27页 |
| ·延迟时间选取 | 第27-33页 |
| ·自相关法 | 第28-29页 |
| ·平均位移法 | 第29-30页 |
| ·复自相关法 | 第30-31页 |
| ·互信息量法 | 第31-33页 |
| ·嵌入维数选取 | 第33-35页 |
| ·伪最邻近点法 | 第33-34页 |
| ·Cao氏方法 | 第34-35页 |
| ·C-C方法联合选取嵌入维数和延迟时间 | 第35-38页 |
| ·本章小结 | 第38-40页 |
| 第3章 混沌特性判别方法研究 | 第40-58页 |
| ·混沌系统特征量 | 第40-46页 |
| ·Lyapunov指数 | 第40-42页 |
| ·分数维数 | 第42-44页 |
| ·Kolmogorov熵 | 第44-46页 |
| ·定性判别方法 | 第46-48页 |
| ·功率谱方法 | 第46-47页 |
| ·Poincare截面法 | 第47-48页 |
| ·定量判别 | 第48-57页 |
| ·Wolf方法计算最大Lyapunov指数 | 第48-50页 |
| ·小数据量方法计算最大Lyapunov指数 | 第50-53页 |
| ·G-P算法计算饱和关联维数 | 第53-54页 |
| ·最小二乘法同时回归关联维和Kolmogorov熵 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第4章 混沌时间序列预测模型研究 | 第58-79页 |
| ·传统预测模型局限性分析 | 第58-62页 |
| ·灰色预测理论 | 第58-60页 |
| ·混沌时间序列灰色预测实验与结果分析 | 第60-62页 |
| ·加权一阶局域预测模型 | 第62-66页 |
| ·加权一阶局域预测理论 | 第63-65页 |
| ·仿真实验与结果分析 | 第65-66页 |
| ·基于最大Lyapunov指数预测模型 | 第66-68页 |
| ·基于最大Lyapunov指数预测理论 | 第66-67页 |
| ·仿真实验与结果分析 | 第67-68页 |
| ·自适应预测模型 | 第68-71页 |
| ·自适应预测理论 | 第68-70页 |
| ·仿真实验与结果分析 | 第70-71页 |
| ·径向基函数(RBF)神经网络预测模型 | 第71-77页 |
| ·混沌时间序列神经网络预测机理 | 第71-73页 |
| ·RBF神经网络预测理论 | 第73-76页 |
| ·仿真实验与结果分析 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 第5章 混沌试验平台简介 | 第79-85页 |
| ·混沌试验平台基本模块 | 第79-80页 |
| ·混沌试验平台使用方法 | 第80-84页 |
| ·本章小结 | 第84-85页 |
| 第6章 结论与展望 | 第85-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-92页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第92页 |