| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 引言 | 第15-21页 |
| 1.1 选题背景 | 第15-16页 |
| 1.2 概率密度方法国内外研究现状 | 第16-18页 |
| 1.3 研究工作的目的和意义 | 第18-19页 |
| 1.4 论文结构安排与主要创新 | 第19-21页 |
| 1.4.1 论文结构安排 | 第19-20页 |
| 1.4.2 论文主要创新点 | 第20-21页 |
| 第二章 分位数回归理论 | 第21-27页 |
| 2.1 分位数概念 | 第21页 |
| 2.2 分位数回归思想 | 第21-23页 |
| 2.3 条件分位数回归 | 第23-24页 |
| 2.4 无条件分位数回归 | 第24-27页 |
| 2.4.1 RIF无条件分位数回归 | 第24-25页 |
| 2.4.2 POWELL(2010)的无条件分位数回归模型 | 第25-27页 |
| 第三章 神经网络分位数回归方法 | 第27-37页 |
| 3.1 人工神经网络理论 | 第27-34页 |
| 3.1.1 BP神经网络理论 | 第29-34页 |
| 3.1.2 RBF神经网络理论 | 第34页 |
| 3.2 神经网络分位数回归模型 | 第34-37页 |
| 第四章 核密度估计理论与概率密度函数估计 | 第37-41页 |
| 4.1 核密度估计思想 | 第37-38页 |
| 4.2 核密度估计核函数形式 | 第38-39页 |
| 4.3 最优窗宽选择方法 | 第39-41页 |
| 第五章 实证研究 | 第41-56页 |
| 5.1 电网用电负荷概率密度预测实证研究 | 第41-46页 |
| 5.1.1 电网用电负荷预测相关描述 | 第41-42页 |
| 5.1.2 电网用电负荷数据选取 | 第42页 |
| 5.1.3 实证结果与分析 | 第42-46页 |
| 5.2 伊番科尼科夫核函数不同组合方法实证研究 | 第46-50页 |
| 5.2.1 数据相关介绍和选取 | 第46-47页 |
| 5.2.2 实证结果与分析 | 第47-48页 |
| 5.2.3 不同组合方式得到的点预测结果、相对误差及平均绝对误差 | 第48-50页 |
| 5.3 股票价格概率密度预测实证研究 | 第50-56页 |
| 5.3.1 关于股票价格预测相关描述 | 第50-51页 |
| 5.3.2 股价样本数据选取 | 第51-52页 |
| 5.3.3 实证结果与分析 | 第52-56页 |
| 第六章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间科研工作情况 | 第61页 |