基于时间序列的设备缺陷预测的研究
| 1 绪论 | 第1-11页 |
| ·论文的背景与意义 | 第7-8页 |
| ·设备缺陷概述 | 第7页 |
| ·时间序列的趋势分析概述 | 第7-8页 |
| ·基于时间序列的设备缺陷趋势预测的可行性 | 第8页 |
| ·国内研究状况 | 第8-9页 |
| ·本文的工作意义和内容 | 第9-10页 |
| ·本文的组织结构 | 第10-11页 |
| 2 时间序列技术的研究 | 第11-22页 |
| ·时间序列技术概述 | 第11-14页 |
| ·时间序列数据 | 第14页 |
| ·时间序列预测的发展与应用 | 第14-15页 |
| ·时间序列的常用方法 | 第15-22页 |
| ·自回归一移动平均时间序列预测模型 | 第16-17页 |
| ·人工神经网络预测 | 第17页 |
| ·回归预测 | 第17-18页 |
| ·指数平滑预测法 | 第18-19页 |
| ·趋势外推预测法 | 第19-20页 |
| ·灰色预测法 | 第20-21页 |
| ·自适应过滤法 | 第21-22页 |
| 3 自回归移动平均时间方法的研究 | 第22-35页 |
| ·ARMA模型预处理 | 第22-24页 |
| ·ARMA的建模过程 | 第24-26页 |
| ·ARMA模型的相关性分析 | 第26-28页 |
| ·模型的参数估计 | 第28-29页 |
| ·ARMA模型的识别 | 第29-33页 |
| ·模型诊断 | 第33-34页 |
| ·模型预测 | 第34-35页 |
| 4 人工神经网络方法的研究 | 第35-49页 |
| ·人脑信息处理机制及其特点 | 第35-37页 |
| ·人工神经网络结构 | 第37-38页 |
| ·人工神经网络工作模式 | 第38-39页 |
| ·人工神经网络的工作和学习方式 | 第39-40页 |
| ·前馈型网络设计 | 第40-45页 |
| ·人工神经网络的发展与应用 | 第45-48页 |
| ·BP神经网络简述 | 第48-49页 |
| 5 时间序列法应用于设备缺陷趋势预测 | 第49-58页 |
| ·问题概述 | 第49页 |
| ·原始数据 | 第49-50页 |
| ·ARMA方法用于设备缺陷预测 | 第50-53页 |
| ·数据预处理 | 第50-51页 |
| ·模型识别及参数估计 | 第51-52页 |
| ·缺陷预测 | 第52-53页 |
| ·ANN方法应用于设备缺陷预测 | 第53-57页 |
| ·神经网络结构的初始确定 | 第53-54页 |
| ·应用BP算法进行训练 | 第54-56页 |
| ·ANN模型的结构调整 | 第56-57页 |
| ·结果分析 | 第57-58页 |
| 结论与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
