| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-15页 |
| 1.1 课题的研究背景及意义 | 第7-9页 |
| 1.2 多元时间序列相关性分析方法 | 第9-10页 |
| 1.2.1 多元时间序列的特征提取方法 | 第10页 |
| 1.2.2 多元时间序列的变量选择方法 | 第10页 |
| 1.3 多元时间序列预测方法 | 第10-13页 |
| 1.4 论文的主要内容及结构 | 第13-15页 |
| 2 偏最小二乘算法和灰色关联分析概述 | 第15-24页 |
| 2.1 偏最小二乘算法概述 | 第15-20页 |
| 2.1.1 偏最小二乘算法的基本概念 | 第15-18页 |
| 2.1.2 偏最小二乘算法的研究进展 | 第18-20页 |
| 2.2 灰色关联分析概述 | 第20-23页 |
| 2.2.1 灰色关联分析基本概念 | 第20-21页 |
| 2.2.2 灰色关联分析的基本特性 | 第21-22页 |
| 2.2.3 灰色关联分析的研究进展 | 第22-23页 |
| 2.3 小结 | 第23-24页 |
| 3 基于偏最小二乘算法的多元时间序列相关性分析及预测 | 第24-37页 |
| 3.1 一种基于偏最小二乘算法的极限学习机模型 | 第24-28页 |
| 3.1.1 极限学习机模型及其改进算法 | 第24-26页 |
| 3.1.2 基于偏最小二乘算法的改进极限学习机模型 | 第26-28页 |
| 3.2 仿真实验分析 | 第28-32页 |
| 3.2.1 Lorenz数据集仿真实验 | 第29-30页 |
| 3.2.2 San Francisco河流径流量时间序列仿真实验 | 第30-32页 |
| 3.3 一种基于改进偏最小二乘算法的极限学习机模型 | 第32-33页 |
| 3.4 太阳黑子-黄河净流量时间序列仿真实验分析 | 第33-36页 |
| 3.5 小结 | 第36-37页 |
| 4 基于改进灰色关联模型的多元时间序列相关性分析及预测 | 第37-58页 |
| 4.1 一种基于相对变化面积的灰色关联模型 | 第37-42页 |
| 4.1.1 基于相对变化面积的改进灰色关联模型 | 第37-40页 |
| 4.1.2 基于相对变化面积的改进灰色关联模型基本性质 | 第40页 |
| 4.1.3 基于集合思想的变量选择及预测模型 | 第40-42页 |
| 4.2 仿真实验分析 | 第42-46页 |
| 4.2.1 Friedman数据集仿真实验 | 第42-43页 |
| 4.2.2 大连市气象数据集仿真实验 | 第43-46页 |
| 4.3 一种基于向量的灰色关联模型 | 第46-50页 |
| 4.3.1 基于向量的改进灰色关联模型 | 第46-48页 |
| 4.3.2 基于向量的改进灰色关联模型基本性质 | 第48-50页 |
| 4.4 仿真实验分析 | 第50-57页 |
| 4.4.1 Gas furnace数据集仿真实验 | 第50-53页 |
| 4.4.2 San Francisco河流径流量数据集仿真实验 | 第53-57页 |
| 4.5 小结 | 第57-58页 |
| 结论 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 攻读硕士学位期间参与项目情况 | 第64页 |
| 攻读硕士学位期间发表学术论文情况 | 第64-65页 |
| 致谢 | 第65-67页 |
