| 摘要 | 第5-8页 |
| Abstract | 第8-11页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 研究背景、意义及国内外研究现状 | 第14-17页 |
| 1.1.1 研究背景及意义 | 第14-15页 |
| 1.1.2 国内外研究现状 | 第15-17页 |
| 1.2 常用时间序列预测模型概述 | 第17-21页 |
| 1.2.1 时间序列预测 | 第17页 |
| 1.2.2 基于时间序列分析法的预测模型 | 第17-19页 |
| 1.2.3 基于神经网络的预测模型 | 第19-20页 |
| 1.2.4 基于支持向量机的预测模型 | 第20-21页 |
| 1.2.5 基于灰色系统理论的灰色预测模型 | 第21页 |
| 1.3 本文的主要内容和结构安排 | 第21-25页 |
| 1.3.1 本文的主要内容及创新点 | 第21-23页 |
| 1.3.2 本文的结构安排 | 第23-25页 |
| 第二章 多维泰勒网及其在非线性时间序列预测中的应用 | 第25-41页 |
| 2.1 引言 | 第25-26页 |
| 2.2 多维泰勒网(Multi-dimensional Taylor Network,MTN) | 第26-32页 |
| 2.3 基于多维泰勒网的时间序列预测模型 | 第32-35页 |
| 2.3.1 模型结构 | 第32-33页 |
| 2.3.2 MTN学习算法 | 第33-35页 |
| 2.3.3 预测过程 | 第35页 |
| 2.4 算例仿真 | 第35-40页 |
| 2.4.1 算例1 | 第36-37页 |
| 2.4.2 算例2 | 第37-40页 |
| 2.5 本章小结 | 第40-41页 |
| 第三章 基于多维泰勒网的自适应混沌时间序列多步预测 | 第41-60页 |
| 3.1 引言 | 第41-42页 |
| 3.2 混沌时间序列预测概述 | 第42-43页 |
| 3.3 基于多维泰勒网的自适应多步预测模型 | 第43-55页 |
| 3.3.1 预测模型及特点 | 第44-51页 |
| 3.3.2 滑动式自适应多步预测算法原理 | 第51页 |
| 3.3.3 滑动窗口多维泰勒网输入输出重构 | 第51-52页 |
| 3.3.4 滑动窗口内学习算法 | 第52-53页 |
| 3.3.5 基于迭代策略的多维泰勒网多步预测过程 | 第53-55页 |
| 3.4 实验仿真 | 第55-58页 |
| 3.4.1 典型Lorenz混沌时间序列多步预测实验 | 第55-57页 |
| 3.4.2 结构振动响应多步预测实验 | 第57-58页 |
| 3.5 本章小结 | 第58-60页 |
| 第四章 基于正负反馈交替论的非线性时间序列建模及其应用 | 第60-74页 |
| 4.1 引言 | 第60-61页 |
| 4.2 正负反馈交替论模型 | 第61-70页 |
| 4.2.1 模型的建立 | 第61-66页 |
| 4.2.2 多维泰勒网 | 第66-68页 |
| 4.2.3 模型参数的求解 | 第68-70页 |
| 4.3 仿真实验与结果分析 | 第70-73页 |
| 4.4 本章小结 | 第73-74页 |
| 第五章 基于多维泰勒网的多尺度正负反馈交替论模型及其应用 | 第74-86页 |
| 5.1 引言 | 第74-75页 |
| 5.2 多尺度正负反馈交替论模型 | 第75-80页 |
| 5.2.1 模型的提出 | 第75-78页 |
| 5.2.2 模型的结构 | 第78-80页 |
| 5.3 基于多尺度正负反馈交替论模型的时间序列预测 | 第80-82页 |
| 5.3.1 预测模型 | 第80页 |
| 5.3.2 预测步骤 | 第80-82页 |
| 5.4 应用算例 | 第82-85页 |
| 5.4.1 应用算例选取 | 第82页 |
| 5.4.2 仿真结果及分析 | 第82-85页 |
| 5.5 本章小结 | 第85-86页 |
| 第六章 结论 | 第86-90页 |
| 6.1 论文工作总结 | 第86-88页 |
| 6.2 论文中需进一步研究的问题 | 第88-90页 |
| 参考文献 | 第90-102页 |
| 附件 | 第102-104页 |
| 攻读博士学位期间发表、录用或已投出的学术论文 | 第104-106页 |
| 致谢 | 第106页 |
