| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-10页 |
| 第二章 混沌时间序列分析及预测理论基础 | 第10-19页 |
| §2.1 相空间重构 | 第10-12页 |
| §2.1.1 嵌入时滞的估计 | 第11页 |
| §2.1.2 嵌入维数的估计 | 第11-12页 |
| §2.2 混沌特性分析 | 第12-16页 |
| §2.2.1 最大Lyapunov指数 | 第12-14页 |
| §2.2.2 关联维数法 | 第14-15页 |
| §2.2.3 Kolmogorov熵估计 | 第15-16页 |
| §2.3 基于径向基函数(RBF)神经网络的预测理论 | 第16-19页 |
| §2.3.1 RBF神经网络的基本结构和特点 | 第16-17页 |
| §2.3.2 基于RBF神经网络的时序分析方法 | 第17-18页 |
| §2.3.3 RBF神经网络的优点 | 第18-19页 |
| 第三章 天气、金融数据的混沌时间序列分析及预测 | 第19-69页 |
| §3.1 数据及Tisean软件介绍 | 第19-22页 |
| §3.2 利用Tisean软件分析及预测 | 第22-42页 |
| §3.2.1 香港天气数据 | 第22-32页 |
| §3.2.2 美国纳斯达克指数数据 | 第32-36页 |
| §3.2.3 南方航空公司报价及交易量数据 | 第36-40页 |
| §3.2.4 万科报价数据 | 第40-42页 |
| §3.3 利用Matlab软件分析及预测 | 第42-69页 |
| §3.3.1 香港天气数据 | 第42-50页 |
| §3.3.2 美国纳斯达克指数数据 | 第50-58页 |
| §3.3.3 南方航空公司数据 | 第58-69页 |
| 第四章 结论 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73页 |