基于小波分析的氧化铝配料过程非平稳时间序列预测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 时间序列预测的研究现状 | 第11-13页 |
| 1.3 小波分析方法的应用现状 | 第13-14页 |
| 1.4 本文的研究内容和结构安排 | 第14-16页 |
| 第二章 生料浆配料过程中的时间序列参数 | 第16-24页 |
| 2.1 配料过程工艺简介 | 第16-21页 |
| 2.2 时间序列参数及其特点 | 第21-22页 |
| 2.3 时间序列参数预测思想的提出 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 时间序列参数的平稳性检测 | 第24-30页 |
| 3.1 时间序列分析和平稳性 | 第24-25页 |
| 3.1.1 时间序列分析 | 第24-25页 |
| 3.1.2 时间序列的平稳性 | 第25页 |
| 3.2 时间序列平稳性判断分析及检测方法 | 第25-27页 |
| 3.3 配料过程时间序列参数的非平稳性检测 | 第27-29页 |
| 3.4 本章小结 | 第29-30页 |
| 第四章 小波分析理论及小波函数的选取 | 第30-40页 |
| 4.1 小波分析理论 | 第30-32页 |
| 4.2 小波变换 | 第32-34页 |
| 4.2.1 连续小波变换 | 第32-33页 |
| 4.2.2 离散小波变换 | 第33-34页 |
| 4.2.3 小波变换的特点 | 第34页 |
| 4.3 多分辨分析 | 第34-37页 |
| 4.3.1 多分辨概述 | 第35-36页 |
| 4.3.2 小波分解与重构 | 第36-37页 |
| 4.3.3 小波函数选取的一般原则 | 第37页 |
| 4.4 非平稳时间序列预测的小波函数选取 | 第37-39页 |
| 4.5 本章小结 | 第39-40页 |
| 第五章 非平稳时间序列混合预测模型及参数优化 | 第40-54页 |
| 5.1 混合预测模型结构 | 第40-41页 |
| 5.2 ARMA模型 | 第41-44页 |
| 5.2.1 ARMA模型理论概述 | 第41-42页 |
| 5.2.2 ARMA模型与参数优化 | 第42-43页 |
| 5.2.3 高频序列的ARMA模型 | 第43-44页 |
| 5.3 BP神经网络 | 第44-49页 |
| 5.3.1 BP神经网络理论概述 | 第44-48页 |
| 5.3.2 高频序列的BP神经网络模型 | 第48-49页 |
| 5.4 HOLT-WINTER非季节模型 | 第49-50页 |
| 5.5 结果验证与仿真比较 | 第50-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间的主要研究成果 | 第60-61页 |
| 致谢 | 第61页 |
