| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·混沌信号的特点和研究历史 | 第8-11页 |
| ·混沌时间序列预测的研究内容和进展 | 第11-13页 |
| ·混沌序列预测研究进展 | 第11-12页 |
| ·混沌序列预测方法及其分类 | 第12-13页 |
| ·神经网络方法在混沌时间序列预测中的应用研究 | 第13-15页 |
| ·论文主要研究内容及章节安排 | 第15-17页 |
| 2 非线性局部平均降噪研究 | 第17-28页 |
| ·相空间重构 | 第17-19页 |
| ·嵌入维数m的确定 | 第18-19页 |
| ·延迟时间τ的确定 | 第19页 |
| ·局部平均噪声降低方法 | 第19-22页 |
| ·方法简述 | 第19-20页 |
| ·降噪算法步骤 | 第20-21页 |
| ·相关参数选取 | 第21-22页 |
| ·仿真实例分析 | 第22-26页 |
| ·对 Henon映射的降噪处理 | 第22-23页 |
| ·对实际观测的太阳黑子混沌序列降噪处理 | 第23-25页 |
| ·对实际观测的大连市日降雨量的降噪处理 | 第25-26页 |
| ·小结 | 第26-28页 |
| 3 基于神经网络的系统辨识技术 | 第28-34页 |
| ·人工神经网络 | 第28-29页 |
| ·静态神经网络 | 第28-29页 |
| ·动态神经网络 | 第29页 |
| ·常用动态神经网络及其算法 | 第29-31页 |
| ·几种典型的动态神经网络 | 第30-31页 |
| ·动态神经网络算法 | 第31页 |
| ·回声状态网络(Echo State Network) | 第31-34页 |
| ·ESN的结构和运行机理 | 第32-33页 |
| ·ESN常规算法简介 | 第33-34页 |
| 4 基于 ESN的自适应预测方法 | 第34-42页 |
| ·自适应预测 | 第34-35页 |
| ·自适应预测 | 第34页 |
| ·自适应预测的建模及方法 | 第34-35页 |
| ·基于递归神经网络的自适应预测 | 第35-39页 |
| ·基于 RNN的混沌时间序列自适应预测方法 | 第35-38页 |
| ·基于 ESN状态回声网络的自适应预测 | 第38页 |
| ·具体步骤 | 第38-39页 |
| ·线性部分参数估计与校正的实现 | 第39-41页 |
| ·KF(卡尔曼滤波 Kalman Filtering)实现 | 第39-40页 |
| ·LMS(最小均方差 Least Mean Square)实现 | 第40-41页 |
| ·小结 | 第41-42页 |
| 5 ESN结合 KF和 LMS算法对月太阳黑子数进行仿真 | 第42-47页 |
| ·使用数据:降噪后的月太阳黑子数 | 第42-43页 |
| ·使用 ESN结合 KF算法对月太阳黑子数进行仿真 | 第43-45页 |
| ·使用 ESN结合 LMS算法对月太阳黑子数进行仿真 | 第45-47页 |
| 结论 | 第47-48页 |
| 参考文献 | 第48-55页 |
| 攻读硕士学位期间发表学术论文情况 | 第55-56页 |
| 致谢 | 第56-57页 |
| 大连理工大学学位论文版权使用授权书 | 第57页 |
