时间序列非平稳性分析若干问题研究
| 论文创新点 | 第5-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状及存在问题 | 第12-15页 |
| 1.3 主要研究内容 | 第15-17页 |
| 2 变点识别Pettitt方法 | 第17-41页 |
| 2.1 变点识别方法 | 第17-25页 |
| 2.1.1 参数方法 | 第17-21页 |
| 2.1.2 非参数方法 | 第21-25页 |
| 2.2 Pettitt方法的变点识别能力 | 第25-41页 |
| 2.2.1 研究背景 | 第26-27页 |
| 2.2.2 变点识别能力定义 | 第27-28页 |
| 2.2.3 模拟研究 | 第28-36页 |
| 2.2.4 实例分析 | 第36-39页 |
| 2.2.5 总结与建议 | 第39-41页 |
| 3 趋势分析方法及其应用 | 第41-63页 |
| 3.1 趋势分析方法 | 第41-49页 |
| 3.1.1 独立序列趋势分析 | 第41-46页 |
| 3.1.2 相依序列趋势分析 | 第46-49页 |
| 3.2 基于数据特征的非参数时变分析 | 第49-63页 |
| 3.2.1 研究背景 | 第50页 |
| 3.2.2 分析方法 | 第50-55页 |
| 3.2.3 分析过程 | 第55-61页 |
| 3.2.4 讨论与总结 | 第61-63页 |
| 4 变点与趋势的辨别 | 第63-78页 |
| 4.1 研究背景 | 第63-64页 |
| 4.2 随机模拟研究 | 第64-71页 |
| 4.2.1 假设检验方法 | 第64页 |
| 4.2.2 模拟过程与结果 | 第64-71页 |
| 4.3 辨别方法 | 第71-76页 |
| 4.3.1 MKP方法 | 第71-73页 |
| 4.3.2 MKP方法的识别成功率 | 第73-76页 |
| 4.4 实例分析 | 第76-77页 |
| 4.5 本章小结 | 第77-78页 |
| 5 基于gamma分布的时变参数统计模型 | 第78-113页 |
| 5.1 gamma分布模型 | 第78-85页 |
| 5.1.1 模型背景 | 第78-79页 |
| 5.1.2 模型定义 | 第79-80页 |
| 5.1.3 模型性质 | 第80-83页 |
| 5.1.4 图形分析 | 第83-85页 |
| 5.2 参数估计方法 | 第85-105页 |
| 5.2.1 矩类估计 | 第85-89页 |
| 5.2.2 伪矩估计 | 第89-91页 |
| 5.2.3 极大似然估计 | 第91-95页 |
| 5.2.4 方法比较 | 第95-105页 |
| 5.3 时变参数模型 | 第105-108页 |
| 5.3.1 模型构建 | 第105-107页 |
| 5.3.2 参数估计 | 第107页 |
| 5.3.3 模型选择与诊断 | 第107-108页 |
| 5.4 研究实例 | 第108-113页 |
| 6 总结与展望 | 第113-115页 |
| 6.1 文章内容总结 | 第113-114页 |
| 6.2 文章不足与研究展望 | 第114-115页 |
| 参考文献 | 第115-127页 |
| 攻博期间发表论文及参与项目 | 第127-128页 |
| 致谢 | 第128页 |
