1 绪论
1.1 研究背景及意义
1.2 时间序列国内外研究现状
1.2.1 统计学方法
1.2.2 神经网络建模预测方法
1.2.3 基于信号分解的组合模型预测方法
1.3 论文的研究内容及结构
2 基于变分模态分解的DBN-ESN组合模型
2.1 基本算法介绍
2.1.1 变分模态分解
2.1.2 深层信念网络模型
2.2 基于变分模态分解的DBN-ESN网络模型
2.3 基于变分模态分解的DBN-ESN仿真实验
2.3.1 预测指标
2.3.2 标杆数据仿真实验
2.3.3 伦敦二氧化氮数据预测
2.4 小结
3 基于变分模态分解和改进的递归神经网络的组合预测模型
3.1 基本算法介绍
3.1.1 排列熵
3.1.2 确定性循环跳跃网络模型
3.2 基于VMD-CRRJ组合预测模型
3.2.1 基于VMD组合预测模型简介
3.2.2 基于VMD-CRRJ组合预测模型
3.3 仿真实验分析
3.3.1 多尺度复杂度不变距离
3.3.2 改进的CRRJ模型仿真试验
3.3.3 标杆数据仿真实验
3.3.4 北京气象数据仿真实验
3.4 小结
4 基于变分模态分解的双隐层递归神经网络模型
4.1 基本VMD-SRNN算法简介
4.1.1 VMD-SRNN模型简介
4.1.2 网络模型的训练
4.2 仿真实验分析
4.2.1 标杆数据多步预测仿真实验
4.2.2 伦敦二氧化氮多步预测仿真实验
4.3 小结
结论
参考文献
攻读硕士学位期间参与项目情况
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学;