| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| ·论文的研究背景 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·话务量预测的研究现状 | 第10-11页 |
| ·时间序列预测的研究现状 | 第11-12页 |
| ·混沌时间系列的预测研究现状 | 第12-13页 |
| ·论文研究的主要内容 | 第13-14页 |
| ·论文的安排结构 | 第14页 |
| ·本章小结 | 第14-15页 |
| 第二章 话务量时间序列分析的预测方法 | 第15-22页 |
| ·话务量理论基础 | 第15-17页 |
| ·话务量的概念 | 第15-16页 |
| ·话务量相关公式 | 第16-17页 |
| ·爱尔兰—B公式 | 第16-17页 |
| ·爱尔兰—C公式 | 第17页 |
| ·话务量预测方法研究 | 第17-21页 |
| ·基于影响因素分析的预测法 | 第18-19页 |
| ·基于时间序列分析的预测法 | 第19-20页 |
| ·智能预测法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 混沌时间系列的研究 | 第22-41页 |
| ·混沌理论基础 | 第22-29页 |
| ·混沌的起源和发展 | 第22-24页 |
| ·混沌的基本概念 | 第24-25页 |
| ·Li-Yorke(李天岩—约克)混沌定义 | 第24页 |
| ·迪万尼(Devaney)混沌定义 | 第24-25页 |
| ·混沌运动的特点 | 第25页 |
| ·时间序列的混沌特性判别 | 第25-29页 |
| ·功率谱方法 | 第26页 |
| ·主分量分析(PCA分布) | 第26-27页 |
| ·Lyapunov指数法 | 第27-28页 |
| ·混沌时间系列的最大可预报时间 | 第28-29页 |
| ·混沌时间序列的相空间重构 | 第29-34页 |
| ·重构相空间及Takens定理 | 第29-30页 |
| ·重构相空间时间延迟τ的确定 | 第30-32页 |
| ·自相关函数法 | 第30-31页 |
| ·互信息函数法 | 第31-32页 |
| ·重构展开法 | 第32页 |
| ·重构相空间最佳嵌入维数m的确定 | 第32-34页 |
| ·试算法 | 第32-33页 |
| ·虚假邻点法 | 第33-34页 |
| ·改进的虚假邻点法(Cao氏法) | 第34页 |
| ·话务量时间序列的相空间重构 | 第34-37页 |
| ·话务量时间序列时间延迟的确定 | 第35-36页 |
| ·话务量时间序列嵌入维数m的确定 | 第36-37页 |
| ·话务量时间序列相空间的重构 | 第37页 |
| ·话务量时间序列混沌特性的判别 | 第37-40页 |
| ·观测时间系列的最大Lyapunov指数的轨线计算法 | 第37-39页 |
| ·话务量时间系列的最大Lyapunov指数及其混沌特性的判别 | 第39页 |
| ·话务量时间序列(300-349)的相空间参数的计算 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 基于话务量混沌时间序列的预测方法研究 | 第41-50页 |
| ·混沌时间序列的预测方法研究 | 第41-47页 |
| ·混沌时间序列预测方法分类 | 第41-43页 |
| ·全域预测法 | 第43-44页 |
| ·局域预测法 | 第44-47页 |
| ·零阶局域预测法 | 第44-45页 |
| ·加权零阶局域预测法 | 第45页 |
| ·一阶局域预测法 | 第45-46页 |
| ·加权一阶局域预测法 | 第46-47页 |
| ·话务量混沌时间序列的加权一阶局域预测 | 第47-49页 |
| ·算法步骤 | 第47页 |
| ·加权一阶局域法参数计算结果及预测结果 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 基于人工神经网络的混沌时间序列的预测研究 | 第50-79页 |
| ·神经网络简介 | 第50-56页 |
| ·神经网络的结构 | 第50-51页 |
| ·前馈型网络 | 第50-51页 |
| ·反馈型网络 | 第51页 |
| ·神经网络的特征 | 第51-52页 |
| ·神经网络的工作方式 | 第52页 |
| ·神经网络的学习 | 第52-55页 |
| ·学习方式 | 第52-53页 |
| ·学习算法 | 第53-55页 |
| ·神经网络的分类 | 第55-56页 |
| ·静态神经网络 | 第55页 |
| ·动态神经网络 | 第55-56页 |
| ·神经网络在混沌时间序列预测中的应用 | 第56-57页 |
| ·神经网络用于混沌时间序列预测的可行性 | 第56-57页 |
| ·神经网络用于混沌时间序列预测的现状 | 第57页 |
| ·混沌时间序列的静态神经网络预测研究 | 第57-70页 |
| ·混沌时间序列预测的BP网络结构 | 第58-59页 |
| ·BP网络结构参数选择 | 第58-59页 |
| ·BP网络模型 | 第59页 |
| ·BP网络学习算法设计 | 第59-65页 |
| ·标准BP算法原理 | 第59-63页 |
| ·BP算法的改进 | 第63-65页 |
| ·BP学习算法实现步骤 | 第65页 |
| ·话务量混沌时间序列BP网络预测及MATLAB仿真 | 第65-70页 |
| ·仿真程序设计及仿真效果图 | 第66-68页 |
| ·仿真结果分析 | 第68-70页 |
| ·混沌时间序列的动态神经网络预测研究 | 第70-76页 |
| ·Elman网络的结构特点 | 第70-71页 |
| ·Elman神经网络结构 | 第70-71页 |
| ·Elman神经网络的学习过程 | 第71页 |
| ·基于Elman网络话务量混沌时间序列的预测研究 | 第71-72页 |
| ·话务量时间序列预测的Elman网络结构 | 第71-72页 |
| ·话务量时间序列预测的Elman网络算法设计 | 第72页 |
| ·话务量混沌时间序列Elman网络预测的MATLAB仿真 | 第72-76页 |
| ·仿真程序设计及仿真效果图 | 第73-76页 |
| ·仿真结果分析 | 第76页 |
| ·加权一阶局域、BP和Elman网络预测效果评价 | 第76-78页 |
| ·本章小结 | 第78-79页 |
| 第六章 结论与展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 附录A:攻读学位期间发表论文目录 | 第86页 |
