基于模糊理论的时间序列预测研究
| 摘要 | 第1-6页 |
| Abstract | 第6-16页 |
| 主要符号表 | 第16-17页 |
| 1 绪论 | 第17-26页 |
| ·时间序列预测模型研究概述 | 第17-20页 |
| ·基本概念及预测模型框架 | 第17页 |
| ·国内外研究现状 | 第17-20页 |
| ·模糊时间序列预测模型研究概述 | 第20-25页 |
| ·基本概念及预测模型框架 | 第20-22页 |
| ·国内外研究现状 | 第22-25页 |
| ·本文的研究内容 | 第25-26页 |
| 2 预备知识 | 第26-36页 |
| ·公理模糊集理论简介 | 第26-31页 |
| ·AFS代数 | 第26-29页 |
| ·AFS结构 | 第29-31页 |
| ·信息粒化简介 | 第31-36页 |
| ·信息粒化原理及其示例 | 第31-34页 |
| ·粒时间序列 | 第34-36页 |
| 3 模糊时间序列模型 | 第36-70页 |
| ·基于自动聚类和公理模糊集的模糊时间序列预测模型 | 第36-57页 |
| ·提出的预测模型 | 第37-49页 |
| ·实验结果 | 第49-57页 |
| ·基于趋势预测和自回归模型的模糊时间序列预测模型 | 第57-65页 |
| ·提出的预测模型 | 第58-61页 |
| ·实验结果 | 第61-65页 |
| ·本章小结 | 第65-70页 |
| 4 单步时间序列预测模型 | 第70-92页 |
| ·基于模糊数据挖掘的时间序列预测模型 | 第70-80页 |
| ·仿射传播 | 第70-74页 |
| ·提出的预测模型 | 第74-78页 |
| ·实验结果 | 第78-80页 |
| ·基于模糊聚类的时间序列预测模型 | 第80-91页 |
| ·基于动态时间弯曲的改进模糊C-均值算法 | 第82-86页 |
| ·提出的预测模型 | 第86-87页 |
| ·实验结果 | 第87-91页 |
| ·本章小结 | 第91-92页 |
| 5 多步(长期)时间序列预测模型 | 第92-105页 |
| ·基于信息粒和模糊聚类的时间序列长期预测模型 | 第92-96页 |
| ·构造信息粒 | 第94页 |
| ·利用DTW-FCM聚类时间序列数据 | 第94-95页 |
| ·计算预测偏差 | 第95-96页 |
| ·预测 | 第96页 |
| ·实验结果 | 第96-103页 |
| ·人工合成时间序列 | 第97-100页 |
| ·Mackey-Glass混沌时间序列 | 第100-101页 |
| ·电力需量时间序列 | 第101-102页 |
| ·每日温度时间序列 | 第102-103页 |
| ·股指时间序列 | 第103页 |
| ·风速时间序列 | 第103页 |
| ·本章小结 | 第103-105页 |
| 6 结论与展望 | 第105-109页 |
| ·结论 | 第105-106页 |
| ·创新点 | 第106页 |
| ·展望 | 第106-109页 |
| 参考文献 | 第109-117页 |
| 攻读博士学位期间发表学术论文情况 | 第117-119页 |
| 致谢 | 第119-121页 |
| 作者简介 | 第121页 |
