| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究的背景和意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·本文主要的研究工作 | 第13-15页 |
| 第二章 时间序列预测模型 | 第15-34页 |
| ·时间序列预测 | 第15-18页 |
| ·长短记忆时间序列预测 | 第15-18页 |
| ·复杂非线性时间序列预测 | 第18页 |
| ·时间序列检验 | 第18-24页 |
| ·时间序列非线性检验 | 第19-20页 |
| ·时间序列记忆性检验 | 第20-24页 |
| ·短记忆时间序列预测模型 | 第24-29页 |
| ·短记忆时间序列模型 | 第24-26页 |
| ·短记忆时间序列自适应建模 | 第26-27页 |
| ·短记忆时间序列自适应建模(TS)仿真实验 | 第27-29页 |
| ·长记忆时间序列建模 | 第29-30页 |
| ·长记忆时间序列模型 | 第29页 |
| ·ARFIMA 建模 | 第29-30页 |
| ·ARFIMA 试验 | 第30页 |
| ·时间序列预测评价 | 第30-31页 |
| ·时间序列多步预测（TSF）算法仿真实验 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第三章 基于最优估计优化的滚动式时间序列预测 | 第34-47页 |
| ·粒子滤波和核粒子滤波 | 第34-38页 |
| ·粒子滤波(Particle filter,PF) | 第34-35页 |
| ·核粒子滤波(Kernel Particle filter,KPF) | 第35-37页 |
| ·基于最优估计优化的时间序列预测关键问题 | 第37-38页 |
| ·滚动式时间序列预测方法 | 第38-41页 |
| ·滚动式时间序列预测（RTS）算法 | 第38-39页 |
| ·滚动式时间序列预测（RTS）算法仿真实验 | 第39-41页 |
| ·基于粒子滤波优化的滚动式时间序列预测 | 第41-44页 |
| ·基于 PF 优化的滚动式时间序列预测（PF_RTS）算法描述 | 第41-43页 |
| ·基于 PF 优化的时间序列预测（PF_RTS）仿真实验 | 第43-44页 |
| ·基于核粒子滤波优化的滚动式时间序列预测 | 第44-46页 |
| ·基于 KPF 优化的时间序列预测（KPF_RTS）算法描述 | 第44-45页 |
| ·基于 KPF 优化的时间序列预测（KPF_RTS）仿真实验 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于 KII 网络模型的复杂非线性时间序列预测 | 第47-57页 |
| ·KII 模型介绍 | 第47-51页 |
| ·KII 单元 | 第48-49页 |
| ·KII 网络拓扑结构 | 第49页 |
| ·KII 数学基础 | 第49-50页 |
| ·KII 学习规则 | 第50-51页 |
| ·BP 神经网路逼近 NARMA 模型 | 第51-52页 |
| ·混合 KII 网络逼近 NARMA 模型 | 第52-55页 |
| ·混合 KII 逼近 NARMA 模型结构 | 第52-53页 |
| ·混合 KII 网络结构构建 | 第53-55页 |
| ·仿真实验 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-58页 |
| ·本文总结 | 第57页 |
| ·研究展望 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 发表论文和科研情况说明 | 第63-64页 |
| 致谢 | 第64-65页 |
