| 中文摘要 | 第10-12页 |
| 英文摘要 | 第12页 |
| 致谢 | 第16-17页 |
| 第一章 绪论 | 第17-35页 |
| 1．1 引言 | 第17-18页 |
| 1．2 混沌的基本理论 | 第18-25页 |
| 1．2．1 混沌的定义 | 第19-21页 |
| 1．2．2 混沌的一些相关概念 | 第21-22页 |
| 1．2．3 混沌运动的定性特征和特征量 | 第22-24页 |
| 1．2．3．1 混沌运动的定性特征 | 第22-23页 |
| 1．2．3．2 混沌现象的特征量 | 第23-24页 |
| 1．2．4 通向混沌的道路 | 第24-25页 |
| 1．3 混沌的普遍性 | 第25-26页 |
| 1．4 混沌在工程中的研究与应用 | 第26-33页 |
| 1．4．1 混沌分析与控制 | 第27-30页 |
| 1．4．2 混沌综合 | 第30-33页 |
| 1．5 本文的主要内容 | 第33-35页 |
| 第二章 混沌时间序列建模及预测理论基础 | 第35-47页 |
| 2．1 引言 | 第35-36页 |
| 2．2 混沌时间序列的判定 | 第36-38页 |
| 2．3 相空间重构的理论基础和方法 | 第38-43页 |
| 2．3．1 相空间重构的理论基础 | 第39-40页 |
| 2．3．2 相空间重构的参数选取方法 | 第40-43页 |
| 2．3．2．1 选择延迟时间t | 第40-41页 |
| 2．3．2．2 嵌入维数的选择 | 第41-43页 |
| 2．4 混沌时间序列的建模和预测方法 | 第43-45页 |
| 2．4．1 局域法 | 第44页 |
| 2．4．2 全局法 | 第44-45页 |
| 2．4．2．1 全局多项式模型 | 第44-45页 |
| 2．4．2．2 神经元网络模型 | 第45页 |
| 2．5 混沌时间序列建模的步骤 | 第45-46页 |
| 2．6 小结 | 第46-47页 |
| 第三章 混沌时间序列的局域区间预测 | 第47-59页 |
| 3．1 引言 | 第47-49页 |
| 3．2 ε-邻近点和ε~p-邻近点 | 第49-51页 |
| 3．2．1 ε-邻近点和ε~P-邻近点的定义 | 第49-50页 |
| 3．2．2 ε-邻近点和ε~P-邻近点的区别 | 第50-51页 |
| 3．3 混沌时间序列的局域区间预测法 | 第51-55页 |
| 3．3．1 区间邻近点的定义 | 第51-52页 |
| 3．3．2 混沌时间序列局域区间预测法的基本思想 | 第52-53页 |
| 3．3．3 局域区间预测法的步骤 | 第53-55页 |
| 3．4 仿真研究 | 第55-57页 |
| 3．4．1 局域区间预测的有效性 | 第55-56页 |
| 3．4．2 历史数据长度n和区间划分数M对预测性能的影响 | 第56-57页 |
| 3．5 小结 | 第57-59页 |
| 第四章 混沌时间序列的全局预测方法 | 第59-84页 |
| 4．1 引言 | 第59-61页 |
| 4．2 具有反馈环的NF-GMDH的预测模型 | 第61-72页 |
| 4．2．1 NF-GMDH网络 | 第62-65页 |
| 4．2．1．1 NF-GMDH的基本结构 | 第62-63页 |
| 4．2．1．2 模糊模型的参数估计 | 第63-64页 |
| 4．2．1．3 NF-GMDH网络的实现方法 | 第64-65页 |
| 4．2．2 改进的自组织策略 | 第65-66页 |
| 4．2．3 改进的具有反馈环的NF-GMDH混沌预测模型 | 第66-69页 |
| 4．2．3．1 NF-GMDH-FL网络 | 第66-68页 |
| 4．2．3．2 NF-GMDH-IFL网络 | 第68-69页 |
| 4．2．4 仿真研究 | 第69-72页 |
| 4．2．4．1 Mackey-Glass时间序列 | 第69-71页 |
| 4．2．4．2 Henon系统 | 第71-72页 |
| 4．3 Volterra鲁棒自适应混沌预测模型 | 第72-82页 |
| 4．3．1 Volterra自适应混沌预测模型 | 第73-75页 |
| 4．3．2 鲁棒LMS自适应算法 | 第75-77页 |
| 4．3．3 Volterra鲁棒自适应混沌预测模型 | 第77-79页 |
| 4．3．3．1 模型参数的估计 | 第78页 |
| 4．3．3．2 参数误差的估计方法 | 第78-79页 |
| 4．3．4 仿真研究 | 第79-82页 |
| 4．3．4．1 参数收敛速度仿真研究 | 第79-80页 |
| 4．3．4．2 模型抗噪声性能研究 | 第80-82页 |
| 4．4 小结 | 第82-84页 |
| 第五章 区间划分的混沌优化搜索及其混合优化算法 | 第84-99页 |
| 5．1 引言 | 第84-85页 |
| 5．2 混沌优化算法 | 第85-88页 |
| 5．2．1 混沌优化算法的基本原理 | 第86-87页 |
| 5．2．2 混沌优化算法的基本步骤 | 第87-88页 |
| 5．3 区间划分的混沌优化算法 | 第88-91页 |
| 5．3．1 区间划分的混沌优化算法的基本思想 | 第89页 |
| 5．3．2 区间划分的混沌优化算法的步骤 | 第89-91页 |
| 5．4 基于区间划分的混沌搜索的混合优化算法 | 第91-93页 |
| 5．4．1 混合算法的基本步骤 | 第91-92页 |
| 5．4．2 混合算法的收敛性 | 第92-93页 |
| 5．5 仿真研究 | 第93-97页 |
| 5．5．1 混沌优化算法与传统优化算法的比较 | 第94-95页 |
| 5．5．2 三种混沌优化算法的比较 | 第95-97页 |
| 5．6 小结 | 第97-99页 |
| 第六章 一种解决多变量连续优化问题的混沌模拟退火神经网络 | 第99-115页 |
| 6．1 引言 | 第99-101页 |
| 6．2 具有混沌模拟退火的神经网络 | 第101-102页 |
| 6．3 一维神经网络单个神经元的动态特性分析 | 第102-104页 |
| 6．4 多维神经网络的单个神经元的动态特性 | 第104-106页 |
| 6．5 衰减因子对网络动力学特性的影响 | 第106-108页 |
| 6．5．1 衰减因子β对网络动力学特性的影响 | 第106-107页 |
| 6．5．2 衰减因子γ对网络动力学特性的影响 | 第107-108页 |
| 6．6 网络收敛性和最终收敛点分析 | 第108-111页 |
| 6．6．1 收敛性研究 | 第108-110页 |
| 6．6．2 网络的最终收敛点 | 第110-111页 |
| 6．7 仿真研究 | 第111-113页 |
| 6．8 小结 | 第113-115页 |
| 第七章 总结与展望 | 第115-119页 |
| 参考文献 | 第119-131页 |
| 附录1： 攻博期间发表和完成与本文有关的论文 | 第131-132页 |
| 附录2： 作者简历 | 第132页 |
