多尺度时间序列预测
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景和意义 | 第8-9页 |
| ·研究现状和存在的问题 | 第9-13页 |
| ·本文的研究内容 | 第13页 |
| ·本文的组织结构 | 第13-14页 |
| 第二章 时间序列预测相关知识 | 第14-28页 |
| ·时间序列预测概述 | 第14-16页 |
| ·时间序列预测的任务 | 第14-15页 |
| ·时间序列预测的支撑技术 | 第15-16页 |
| ·时间序列预测的传统方法 | 第16-22页 |
| ·移动平均法 | 第16-18页 |
| ·指数平滑法 | 第18-19页 |
| ·自回归移动平均模型 | 第19-22页 |
| ·时间序列预测的人工智能方法 | 第22-24页 |
| ·神经网络 | 第22-23页 |
| ·支持向量机 | 第23-24页 |
| ·时间序列预测的混合方法 | 第24-25页 |
| ·尺度空间思想 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 多尺度时间序列数值预测 | 第28-39页 |
| ·主要流程 | 第28-29页 |
| ·时间序列预处理 | 第29-34页 |
| ·高斯核与小波基作为变换核的异同 | 第29-31页 |
| ·预处理数据 | 第31-34页 |
| ·数值预测的实现 | 第34-38页 |
| ·相似形状检索的必要性 | 第34-36页 |
| ·相似窗口检索算法 | 第36-37页 |
| ·时间序列特征模型 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 多尺度时间序列趋势预测 | 第39-47页 |
| ·主要流程 | 第39-41页 |
| ·几个概念的界定 | 第41-42页 |
| ·趋势预测的实现 | 第42-46页 |
| ·确定大事变窗口 | 第42-44页 |
| ·时间序列特征模型 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 仿真实验 | 第47-57页 |
| ·实验数据与评价标准 | 第47-49页 |
| ·实验数据 | 第47页 |
| ·评价标准 | 第47-49页 |
| ·数值实验 | 第49-53页 |
| ·基于股指的实验 | 第49-52页 |
| ·基于麦基玻璃的实验 | 第52-53页 |
| ·趋势预测仿真实验 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·研究工作总结 | 第57-58页 |
| ·下一步的工作展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 中英文名词对照 | 第64-65页 |
| 攻读学位期间公开发表的论文及参与的科研项目 | 第65-66页 |
| 致谢 | 第66-67页 |
