基于分位数回归的时间序列模型及应用
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-12页 |
| ·课题的提出及意义 | 第9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本论文主要工作 | 第11-12页 |
| 第2章 基于分位自回归模型对短期风速预测 | 第12-22页 |
| ·时间序列AR模型简介 | 第12-14页 |
| ·分位数回归简介 | 第14-15页 |
| ·分位自回归介绍 | 第15-16页 |
| ·分位自回归模型预测的步骤 | 第16页 |
| ·用分位自回归模型对风速进行预测 | 第16-21页 |
| ·对数据进行预处理并选定模型 | 第17-18页 |
| ·对模型选择合适的分位点 | 第18-19页 |
| ·对不同分位点的模型进行参数估计 | 第19页 |
| ·运用分位自回归模型对风速进行拟合与预测 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 高阶统计量 | 第22-25页 |
| ·高阶统计量简介 | 第22-24页 |
| ·运用高阶统计量找奇异点 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第4章 小波分析与分位自回归模型 | 第25-32页 |
| ·小波分析简介 | 第25-26页 |
| ·小波分析与分位自回归模型结合使用步骤 | 第26页 |
| ·小波分析与分位自回归模型相结合预测奇异点 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 第5章 结论与展望 | 第32-33页 |
| ·结论 | 第32页 |
| ·展望 | 第32-33页 |
| 参考文献 | 第33-36页 |
| 附录1 分位回归拟合及滞后5步的R代码 | 第36-37页 |
| 附录2 三和四阶统计量的R代码 | 第37-39页 |
| 在校期间发表学术论女和参加科研情况 | 第39-40页 |
| 致谢 | 第40-41页 |
| 作者简介 | 第41页 |
