时间序列预测模型及其算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-15页 |
| ·课题提出及意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·人工神经网络与遗传算法发展概述 | 第11-13页 |
| ·主要工作和内容安排 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 2 理论基础 | 第15-31页 |
| ·引言 | 第15页 |
| ·线性ARMA模型和最优预测器 | 第15-17页 |
| ·线性ARMA(p,q)模型 | 第15-16页 |
| ·最优预测器 | 第16页 |
| ·最优AR(p)预测器 | 第16-17页 |
| ·人工神经网络 | 第17-25页 |
| ·人工神经网络基本概念 | 第17页 |
| ·人工神经网络的模型 | 第17-18页 |
| ·人工神经网络的分类 | 第18-19页 |
| ·人工神经网络的运行过程 | 第19-20页 |
| ·BP神经网络及其学习算法 | 第20-25页 |
| ·遗传算法 | 第25-30页 |
| ·遗传算法基本概念与特点 | 第25-26页 |
| ·遗传算法的基本思想和构成要素 | 第26-29页 |
| ·遗传算法的基本理论 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 NARBP预测模型研究 | 第31-40页 |
| ·引言 | 第31页 |
| ·AR模型辨识 | 第31-34页 |
| ·AR模型阶次辨识 | 第31-32页 |
| ·AR模型参数辨识 | 第32-34页 |
| ·预测模型及结构确定 | 第34-36页 |
| ·预测模型选择 | 第34页 |
| ·BP预测模型结构确定 | 第34-36页 |
| ·NARBP预测模型 | 第36-39页 |
| ·NARBP预测模型的建立 | 第36-38页 |
| ·NARBP预测模型的实现 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 4 NARBP预测模型算法优化设计 | 第40-58页 |
| ·引言 | 第40页 |
| ·标准BP算法改进 | 第40-42页 |
| ·GA与BP相结合算法 | 第42-44页 |
| ·SGA的改进方式 | 第44-48页 |
| ·SGA的主要缺点 | 第44-45页 |
| ·SGA的改进方式 | 第45-48页 |
| ·IGA-NARLMBP预测模型算法优化设计 | 第48-57页 |
| ·IGA算法设计 | 第48-52页 |
| ·BP神经网络的编码描述方法 | 第52-53页 |
| ·IGA—NARLMBP模型优化算法设计步骤 | 第53-55页 |
| ·IGA-NARLMBP模型算法流程图 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 5 应用与仿真研究 | 第58-74页 |
| ·引言 | 第58页 |
| ·课题背景简介 | 第58-59页 |
| ·数据分析 | 第59-61页 |
| ·模型构建及仿真 | 第61-73页 |
| ·水文预测精度评定标准 | 第61-62页 |
| ·AR模型 | 第62-65页 |
| ·NARBP模型 | 第65-71页 |
| ·IGA—NARLMBP模型 | 第71-73页 |
| ·各模型仿真结果比较 | 第73页 |
| ·本章小结 | 第73-74页 |
| 6 总结与展望 | 第74-76页 |
| ·总结 | 第74-75页 |
| ·展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 作者攻读硕士学位期间科研成果简介 | 第79-82页 |
| 致谢 | 第82页 |
