| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 经典时间序列模型及预测 | 第12-13页 |
| 1.2.2 基于机器学习技术的时间序列模型及预测 | 第13-15页 |
| 1.2.3 模糊时间序列模型及预测 | 第15-16页 |
| 1.3 论文研究内容 | 第16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 相关研究工作及理论基础 | 第18-36页 |
| 2.1 时间序列 | 第18-22页 |
| 2.1.1 时间序列定义 | 第18页 |
| 2.1.2 时间序列特点 | 第18-19页 |
| 2.1.3 时间序列类型 | 第19页 |
| 2.1.4 时间序列预测 | 第19-22页 |
| 2.2 模糊集合理论 | 第22-26页 |
| 2.2.1 模糊概念 | 第22-23页 |
| 2.2.2 模糊集合 | 第23-25页 |
| 2.2.3 模糊关系 | 第25-26页 |
| 2.3 模糊时间序列 | 第26-27页 |
| 2.3.1 模糊时间序列定义 | 第26-27页 |
| 2.3.2 模糊时间序列模型构建过程 | 第27页 |
| 2.4 模糊神经网络 | 第27-29页 |
| 2.4.1 模糊神经网络结构 | 第27-29页 |
| 2.4.2 模糊神经网络融合方式 | 第29页 |
| 2.5 模糊认知图 | 第29-35页 |
| 2.5.1 模糊认知图的结构 | 第30-31页 |
| 2.5.2 模糊认知图形式化描述 | 第31-32页 |
| 2.5.3 模糊因果影响表示 | 第32-33页 |
| 2.5.4 动态因果关系 | 第33-34页 |
| 2.5.5 模糊认知图的推理机制 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于Type-II型模糊认知图时序预测模型 | 第36-59页 |
| 3.1 模型概述 | 第36页 |
| 3.2 模型结构 | 第36-45页 |
| 3.2.1 第一层(输入层) | 第37页 |
| 3.2.2 第二层(模糊化层) | 第37-38页 |
| 3.2.3 第三层(解模糊化层) | 第38-44页 |
| 3.2.4 第四层(输出层) | 第44-45页 |
| 3.3 监督学习 | 第45-48页 |
| 3.3.1 迭代更新方程 | 第45-46页 |
| 3.3.2 计算偏导数 | 第46-48页 |
| 3.4 互函数计算结果 | 第48-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第四章 模型验证与评估实验 | 第59-76页 |
| 4.1 实验定义 | 第59-61页 |
| 4.1.1 数据预处理方法 | 第59-60页 |
| 4.1.2 模型评估 | 第60-61页 |
| 4.2 对比模型 | 第61-66页 |
| 4.2.1 ARIMA预测模型 | 第61-63页 |
| 4.2.2 LSTM预测模型 | 第63-66页 |
| 4.3 Mackey-Glass混沌时间序列预测 | 第66-69页 |
| 4.3.1 数据描述 | 第66-67页 |
| 4.3.2 实验结果与分析 | 第67-69页 |
| 4.4 IBM股票价格预测 | 第69-74页 |
| 4.4.1 数据描述 | 第69-72页 |
| 4.4.2 实验结果与分析 | 第72-74页 |
| 4.5 实验总结 | 第74-75页 |
| 4.6 本章小结 | 第75-76页 |
| 总结与展望 | 第76-78页 |
| 研究工作总结 | 第76页 |
| 工作展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间取得的研究成果 | 第83-84页 |
| 致谢 | 第84-85页 |
| 附件 | 第85页 |