| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究的背景与意义 | 第8-9页 |
| 1.2 国内外研究现状及分析 | 第9-13页 |
| 1.2.1 时间序列预测研究现状 | 第9-11页 |
| 1.2.2 回声状态网络的非线性时间序列预测研究现状 | 第11-13页 |
| 1.3 论文的主要研究内容及章节安排 | 第13-15页 |
| 第2章 回声状态网络的数学模型和预测模型 | 第15-25页 |
| 2.1 回声状态网络的数学模型 | 第15-19页 |
| 2.1.1 回声状态网络的模型结构 | 第15-17页 |
| 2.1.2 回声状态网络的训练算法 | 第17-18页 |
| 2.1.3 回声状态属性 | 第18-19页 |
| 2.2 回声状态网络的预测模型 | 第19-24页 |
| 2.2.1 预测模型整体框架 | 第20-22页 |
| 2.2.2 预测模型的分析与改进 | 第22-24页 |
| 2.3 本章小结 | 第24-25页 |
| 第3章 储备池优化 ESN 非线性时间序列预测方法研究 | 第25-45页 |
| 3.1 储备池适应性解决方法 | 第25-28页 |
| 3.1.1 储备池适应性问题 | 第25页 |
| 3.1.2 适应性解决方法 | 第25-28页 |
| 3.2 回声状态网络的储备池参数选择 | 第28-33页 |
| 3.2.1 储备池的关键参数 | 第28-29页 |
| 3.2.2 遗传算法基本原理 | 第29-31页 |
| 3.2.3 改进遗传算法的参数选择 | 第31-33页 |
| 3.3 储备池优化的非线性时间序列预测模型 | 第33-44页 |
| 3.3.1 预测模型框架 | 第34-35页 |
| 3.3.2 算法流程 | 第35-36页 |
| 3.3.3 仿真实验和算法评估 | 第36-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 组合 ESN 的非线性时间序列预测方法研究 | 第45-56页 |
| 4.1 组合 ESN 多步预测模型框架 | 第45-51页 |
| 4.1.1 ESN 迭代预测 | 第45-46页 |
| 4.1.2 ESN 直接预测 | 第46-48页 |
| 4.1.3 组合 ESN 的多步预测 | 第48-49页 |
| 4.1.4 算法流程 | 第49-51页 |
| 4.2 组合 ESN 的多步预测实验验证 | 第51-54页 |
| 4.2.1 实验方案设计 | 第51页 |
| 4.2.2 仿真实验和算法评估 | 第51-54页 |
| 4.3 本章小结 | 第54-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-63页 |
| 致谢 | 第63页 |
