多任务学习在时间序列预测中的研究及应用
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 时间序列预测研究现状 | 第13-14页 |
| 1.2.2 基于局部建模的时间序列预测研究现状 | 第14-15页 |
| 1.2.3 多任务学习研究现状 | 第15-16页 |
| 1.3 本文主要研究内容和组织结构 | 第16-20页 |
| 第2章 时间序列预测相关理论 | 第20-32页 |
| 2.1 引言 | 第20页 |
| 2.2 时间序列的基本特性 | 第20页 |
| 2.3 时间序列预处理 | 第20-21页 |
| 2.4 时间序列相似性查询 | 第21-23页 |
| 2.5 时间序列预测方法 | 第23-30页 |
| 2.5.1 统计方法 | 第24-25页 |
| 2.5.2 人工智能方法 | 第25-30页 |
| 2.6 本章小结 | 第30-32页 |
| 第3章 基于局部模型的时间序列预测 | 第32-54页 |
| 3.1 引言 | 第32-33页 |
| 3.2 基于云模型的相似性度量 | 第33-38页 |
| 3.2.1 云模型 | 第33-35页 |
| 3.2.2 云模型相似性度量算法 | 第35-36页 |
| 3.2.3 基于云模型的信息融合 | 第36-38页 |
| 3.3 基于相似性度量的局部预测模型 | 第38-40页 |
| 3.4 实验结果分析 | 第40-52页 |
| 3.4.1 数据集描述 | 第40-41页 |
| 3.4.2 模型评价指标 | 第41-42页 |
| 3.4.3 单步预测 | 第42-48页 |
| 3.4.4 多步预测 | 第48-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 多任务学习在局部模型中的应用 | 第54-66页 |
| 4.1 引言 | 第54-55页 |
| 4.2 基于多任务学习的局部建模方法 | 第55-60页 |
| 4.2.1 基于多任务BPNN的局部建模方法 | 第55-57页 |
| 4.2.2 基于多任务LS-SVM的局部建模方法 | 第57-60页 |
| 4.3 实验验证 | 第60-64页 |
| 4.3.1 实验设计 | 第60-61页 |
| 4.3.2 单步预测 | 第61-62页 |
| 4.3.3 多步预测 | 第62-64页 |
| 4.4 本章小结 | 第64-66页 |
| 第5章 总结和展望 | 第66-68页 |
| 5.1 全文总结 | 第66-67页 |
| 5.2 下一步工作展望 | 第67-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 攻读学位期间发表的学术论文目录 | 第75页 |
