| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题的背景及意义 | 第8页 |
| ·非线性时间序列预测技术研究现状 | 第8-12页 |
| ·非线性时间序列降噪的研究 | 第8-9页 |
| ·非线性时间序列的预测方法 | 第9-11页 |
| ·基于支持向量机的非线性时间序列预测 | 第11-12页 |
| ·论文的研究内容及安排 | 第12-13页 |
| 第二章 非线性时间序列噪声处理技术 | 第13-20页 |
| ·引言 | 第13页 |
| ·噪声学基础 | 第13-15页 |
| ·测量噪声和动力学噪声 | 第13-14页 |
| ·噪声水平和信噪比 | 第14页 |
| ·去噪效果的评判标准 | 第14-15页 |
| ·局部投影降噪算法 | 第15-16页 |
| ·局部投影降噪方法 | 第15-16页 |
| ·局部投影算法存在的不足 | 第16页 |
| ·基于邻域自适应搜索的局部投影算法 | 第16-18页 |
| ·邻域的自适应选取 | 第16-17页 |
| ·自适应局部投影降噪算法的步骤 | 第17页 |
| ·实验分析与比较 | 第17-18页 |
| ·本章小结 | 第18-20页 |
| 第三章 基于EMD 和LS-SVM 的非线性非平稳时间序列预测 | 第20-33页 |
| ·引言 | 第20页 |
| ·支持向量机原理 | 第20-26页 |
| ·统计学习理论和支持向量机 | 第20-21页 |
| ·支持向量机回归模型 | 第21-25页 |
| ·最小二乘支持向量机 | 第25-26页 |
| ·经验模态分解(EMD)方法 | 第26-28页 |
| ·非平稳信号 | 第26-27页 |
| ·EMD 分解方法及其分解步骤 | 第27-28页 |
| ·基于EMD 和LS-SVM 的非线性非平稳时间序列预测 | 第28-32页 |
| ·时间序列的预测建模 | 第28-29页 |
| ·非线性非平稳时间序列预测模型 | 第29页 |
| ·应用与仿真 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于混合PSO 的相空间重构和SVM 回归参数联合优化 | 第33-44页 |
| ·引言 | 第33页 |
| ·相空间重构的参数选取 | 第33-36页 |
| ·嵌入维数m 的选取 | 第33-34页 |
| ·时间延迟τ的选取 | 第34-36页 |
| ·支持向量回归机的参数选择 | 第36-37页 |
| ·支持向量机预测模型参数的分析 | 第37-39页 |
| ·粒子群优化算法 | 第39-40页 |
| ·粒子群算法的基本原理 | 第39-40页 |
| ·粒子群算法的参数设置 | 第40页 |
| ·粒子群算法的特点 | 第40页 |
| ·基于混合粒子群算法的联合优化 | 第40-43页 |
| ·联合优化算法的具体步骤 | 第41页 |
| ·仿真实验与结果 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| ·本文的工作总结 | 第44-45页 |
| ·今后工作展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第51页 |
