摘要 | 第1-7页 |
Abstract | 第7-15页 |
1 绪论 | 第15-22页 |
·研究的目的与意义 | 第15-16页 |
·国内外研究进展 | 第16-20页 |
·研究内容 | 第20-22页 |
2 几个经典生态数学模型概述 | 第22-38页 |
·生物种群相互作用模型 | 第22-27页 |
·两种群Lotka-Volterra模型 | 第22-23页 |
·种群相互竞争模型 | 第23-25页 |
·种群的相互依存模型 | 第25-26页 |
·种群的捕食与被捕食模型 | 第26-27页 |
·似乎不相关线性模型 | 第27-38页 |
·线性模型基本理论 | 第27-31页 |
·线性模型概念 | 第27-28页 |
·广义线性模型概念 | 第28-29页 |
·线性模型参数估计 | 第29-31页 |
·线性模型最小二乘估计 | 第29页 |
·广义线性模型最小二乘估计 | 第29-31页 |
·似乎不相关线性模型 | 第31-38页 |
·似乎不相关线性模型概念 | 第31-32页 |
·似乎不相关线性模型化成广义线性模型 | 第32-34页 |
·似乎不相关线性模型的参数估计 | 第34-35页 |
·两种特殊情况下似乎不相关线性模型最小二乘估计与广义最小二乘估计的等价性 | 第35-38页 |
3 Logistic方程的统计建模 | 第38-53页 |
·一阶自回归模型 | 第38-39页 |
·Logistic方程参数的双向差分广义最小二乘估计 | 第39-42页 |
·Logistic方程初始预测值加权修正 | 第42-45页 |
·Logistic方程初始预测值加权平均法 | 第43-44页 |
·Logistic方程初始预测值加权相对误差法 | 第44-45页 |
·红松单木生长模型的拟合 | 第45-52页 |
·本章小结 | 第52-53页 |
4 GM(1,1)模型的统计建模 | 第53-64页 |
·GM(1,1)模型参数双向差分广义最小二乘估计 | 第53-57页 |
·GM(1,1)模型初始预测值加权修正 | 第57-59页 |
·GM(1,1)模型初始预测值加权平均法 | 第57-58页 |
·GM(1,1)模型初始预测值加权误差平方和法 | 第58-59页 |
·华北地区某典型区地表径流量的拟合 | 第59-63页 |
·本章小结 | 第63-64页 |
5 Logistic方程组的统计模型 | 第64-77页 |
·Logistic方程组的似乎不相关线性模型 | 第64-66页 |
·Logistic方程组的似乎不相关线性模型化成广义线性模型 | 第66-67页 |
·Logistic方程组似乎不相关模型中的参数估计 | 第67-68页 |
·红松生长模型的拟合 | 第68-76页 |
·本章小结 | 第76-77页 |
6 两种群Lotka-Volterra方程的统计模型 | 第77-87页 |
·两种群Lotka-Volterra方程的似乎不相关线性模型 | 第77-78页 |
·两种群Lotka-Volterra方程的似乎不相关线性模型化成广义线性模型 | 第78-79页 |
·Lotka-Volterra方程的似乎不相关线性模型参数估计 | 第79-80页 |
·猞猁与雪兔的捕食与被捕食两种群Lotka-Volterra模型 | 第80-86页 |
·本章小结 | 第86-87页 |
7 广义最小二乘估计递推算法 | 第87-100页 |
·广义线性模型的广义最小二乘估计递推算法 | 第87-92页 |
·广义线性模型纳新样本资料广义最小二乘估计递推算法 | 第87-91页 |
·广义线性模型吐故样本资料广义最小二乘估计递推算法 | 第91页 |
·广义线性模型吐故纳新样本资料广义最小二乘估计递推算法 | 第91-92页 |
·似乎不相关线性模型的广义最小二乘估计递推算法 | 第92-99页 |
·似乎不相关线性模型样本资料广义最小二乘估计递推算法性质 | 第92-97页 |
·似乎不相关线性模型纳新样本资料广义最小二乘估计递推算法 | 第97-98页 |
·似乎不相关线性模型吐故与吐故纳新样本资料广义最小二乘估计递推算法 | 第98-99页 |
·本章小结 | 第99-100页 |
结论 | 第100-102页 |
参考文献 | 第102-108页 |
附录:矩阵论基础知识 | 第108-112页 |
攻读学位期间发表的学术论文 | 第112-113页 |
致谢 | 第113-114页 |
个人简历 | 第114-115页 |