反向传播神经网络在混沌时间序列预测中的应用
| 第一章 绪论 | 第1-15页 |
| ·非线性预测 | 第9-10页 |
| ·神经网络技术的发展 | 第10-11页 |
| ·神经网络用于非线性预测的研究现状 | 第11-13页 |
| ·本文主要内容与结构 | 第13-15页 |
| 第二章 人工神经网络 | 第15-23页 |
| ·人工神经网络 | 第15-17页 |
| ·神经网络简介 | 第15页 |
| ·人工神经网络的构成及基本原理 | 第15-16页 |
| ·人工神经网络的特点 | 第16-17页 |
| ·BP 神经网络的模型与结构 | 第17-19页 |
| ·BP 算法 | 第19-22页 |
| ·BP 神经网络的主要特点 | 第22-23页 |
| 第三章 预测系统模型 | 第23-28页 |
| ·用于预测的常规方法 | 第23-26页 |
| ·统计法 | 第23页 |
| ·ARMA 法 | 第23-24页 |
| ·灰色预测 | 第24-25页 |
| ·回归分析法 | 第25页 |
| ·特尔菲法(DELPHI) | 第25页 |
| ·系统动力学方法 | 第25页 |
| ·人工神经网络方法 | 第25-26页 |
| ·人工神经网络用于非线性预测的优越性 | 第26页 |
| ·预测的局限性 | 第26-28页 |
| 第四章 混沌时间序列分析 | 第28-34页 |
| ·混沌与随机性 | 第28-30页 |
| ·混沌定义 | 第28-29页 |
| ·混沌与随机 | 第29-30页 |
| ·混沌时间序列实例 | 第30页 |
| ·离散动力系统 | 第30页 |
| ·连续动力系统 | 第30页 |
| ·相空间重构 | 第30-32页 |
| ·李雅普诺夫指数与最大李雅普诺夫指数 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第五章 BP 网络应用于混沌时间序列预测的研究 | 第34-53页 |
| ·数据预处理 | 第34-40页 |
| ·小波去噪 | 第34-37页 |
| ·含噪声的混沌时间序列的处理 | 第37-38页 |
| ·训练样本的筛选 | 第38-40页 |
| ·BP 网络的实现 | 第40-45页 |
| ·李雅普诺夫指数估算 | 第40-41页 |
| ·BP 网络参数设定 | 第41-43页 |
| ·自适应学习率 | 第43-45页 |
| ·短程预测 | 第45-50页 |
| ·预测中的问题 | 第50页 |
| ·快速预测 | 第50-51页 |
| ·太阳黑子预测 | 第51-53页 |
| 结论与展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第57-58页 |
| 致谢 | 第58页 |
