| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 研究背景与意义 | 第14-15页 |
| 1.2 发展历程与研究现状 | 第15-17页 |
| 1.2.1 时间序列分析 | 第15-16页 |
| 1.2.2 独立成分分析 | 第16-17页 |
| 1.3 ICA方法在时间序列分析中的应用 | 第17-18页 |
| 1.4 本文研究、实现与改进的内容及结构安排 | 第18-20页 |
| 第二章 时间序列分析预测模型与ICA | 第20-32页 |
| 2.1 时间序列分析预测模型 | 第20-24页 |
| 2.1.1 ARMA与ARIMA线性参数模型及建模预报 | 第20-22页 |
| 2.1.2 TAR非线性参数模型及建模预报 | 第22-24页 |
| 2.2 ICA技术的基本理论方法 | 第24-31页 |
| 2.2.1 ICA的基本理论 | 第24-25页 |
| 2.2.2 ICA的基本方法 | 第25-27页 |
| 2.2.3 ICA实现算法 | 第27-31页 |
| 2.3 小结 | 第31-32页 |
| 第三章 ICA-ARMA/ARIMA线性模型及应用 | 第32-42页 |
| 3.1 ICA方法与时间序列模型结合的可行性及优越性 | 第32-33页 |
| 3.1.1 ICA分离提供了过程平稳性的保证 | 第32页 |
| 3.1.2 ICA分离可以增强时间序列的自相关结构 | 第32-33页 |
| 3.2 ICA-ARMA/ARIMA预报模型建立 | 第33-34页 |
| 3.3 单次ICA-ARMA/ARIMA仿真预报 | 第34-38页 |
| 3.3.1 仿真步骤和运算流程 | 第34页 |
| 3.3.2 仿真运算结果 | 第34-38页 |
| 3.4 步进ICA-ARMA/ARIMA预报模型 | 第38-41页 |
| 3.5 小结 | 第41-42页 |
| 第四章 ICA-TAR/ARTAR非线性模型及应用 | 第42-52页 |
| 4.1 非线性的确定 | 第42-43页 |
| 4.2 ICA-TAR预报模型建立 | 第43页 |
| 4.3 ICA-TAR模型仿真预报 | 第43-47页 |
| 4.3.1 建模方案 | 第43-44页 |
| 4.3.2 仿真结果 | 第44-47页 |
| 4.4 ICA-ARTAR模型建模与仿真预报 | 第47-51页 |
| 4.4.1 建模思路及方案 | 第47-50页 |
| 4.4.2 仿真验证 | 第50-51页 |
| 4.5 小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 下一步工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 作者简介 | 第60-61页 |
