| 摘要 | 第1-7页 |
| Abstract | 第7-10页 |
| 第1章 绪论 | 第10-15页 |
| ·时间序列综述 | 第10页 |
| ·研究背景及意义 | 第10-11页 |
| ·基于状态空间模型的时间序列模型发展简介 | 第11-13页 |
| ·问题的提出 | 第13页 |
| ·本文工作及章节安排 | 第13-14页 |
| ·研究内容及创新点 | 第14-15页 |
| 第2章 动态数据建模与预测 | 第15-25页 |
| ·概述 | 第15页 |
| ·平稳时间序列模型 | 第15-23页 |
| ·数据的预处理 | 第15页 |
| ·AR、MA、ARMA模型 | 第15-17页 |
| ·时间序列的自相关和偏自相关函数 | 第17-18页 |
| ·模型类型的判别 | 第18-19页 |
| ·模型阶数的选择 | 第19-21页 |
| ·模型参数的求解 | 第21-22页 |
| ·平稳时间序列预测 | 第22-23页 |
| ·非平稳时间序列模型 | 第23-25页 |
| 第3章 时间序列模型的状态空间分析与Kalman滤波 | 第25-34页 |
| ·概述 | 第25页 |
| ·时间序列的状态空间描述 | 第25-30页 |
| ·kalman滤波 | 第30-32页 |
| ·kalman平滑与预测 | 第32-34页 |
| ·kalman平滑 | 第32-33页 |
| ·kalman外推预测 | 第33-34页 |
| 第4章 状态空间模型的参数估计 | 第34-41页 |
| ·概述 | 第34页 |
| ·状态空间的极大似然估计 | 第34-38页 |
| ·极大似然估计概述 | 第34-36页 |
| ·极大似然估计 | 第36-38页 |
| ·EM算法 | 第38-41页 |
| ·EM算法简介 | 第38-39页 |
| ·EM算法实例分析 | 第39-41页 |
| 第5章 状态空间模型的应用 | 第41-54页 |
| ·概述 | 第41页 |
| ·分解步骤 | 第41-43页 |
| ·应用实例 | 第43-52页 |
| ·数据的预理(平稳化) | 第44-45页 |
| ·状态空间模型的应用 | 第45-52页 |
| ·ARIMA模型的应用 | 第52-53页 |
| ·小结 | 第53-54页 |
| 第6章 总结和展望 | 第54-56页 |
| ·结论 | 第54-55页 |
| ·展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |