文摘
英文文摘
声明
第一章绪论
1.1课题背景
1.1.1课题来源
1.1.2课题研究的目的和意义
1.2国内外研究现状
1.2.1时间序列预测的基本概念
1.2.2时间序列预测的发展历史
1.2.3时间序列预测的研究现状
1.3本文研究对象及主要贡献
第二章ARMA预测模型算法及其应用
2.1 ARMA模型的基本原理
2.2 ARMA模型的定阶
2.2.1自相关函数
2.2.2偏自相关函数
2.2.3 ARMA模型的定阶原则
2.3.ARMA模型的定阶的步骤
2.4.ARMA模型的定阶原则在应用中的局限性及解决方案
2.5 ARMA模型针对设备状态cv值的预测实例
第三章基于序贯学习的改进型Elman网络预测模型
3.1 Elman人工神经网络预测综述
3.1.1人工神经网络的产生背景
3.1.2人工神经网络的应用与发展历程
3.1.3人工神经网络的基本模型结构
3.1.4人工神经网络的基本特点
3.2人工神经网络做故障预报的特点和优势
3.3 Elman神经网络简介
3.3.1 Elman神经网络基本结构
3.3.2 Elman神经网络的各层介绍
3.3.3 Elman神经网络的数学模型
3.4.1改进的Elman网络所依据的理论基础
3.4.2改进Elman网络的结构图
3.4.3改进型Elman神经网络中各层学习算法
3.4.4 Elman神经网络的具体创建步骤
3.5应用序贯学习思想实现网络的在线预测算法
3.5.1序贯学习的基本思想
3.5.2基于改进型Elman网络的序贯学习算法
3.6 Elman神经网络的波形图预测实例
3.6.1芳烃厂设备波形数据
3.6.2划分数据样本为训练样本、目标样本和测试样本
3.6.3确定模型各层的结构
3.6.4构建改进型Elman预测模型
3.6.5改进型ELMAN网络预测结果
第四章一种基于数据挖掘技术的时间序列预测方法—匹配矩阵
4.1数据挖掘概述
4.1.1数据挖掘定义
4.1.2数据挖掘的功能
4.2数据挖掘技术在时间序列预测中的应用
4.3匹配矩阵预测的原理
4.4匹配矩阵预测模型的应用背景
4.5匹配矩阵模型的原理和建模
4.5.1匹配矩阵概念
4.5.2匹配矩阵分析
4.5.3匹配矩阵预测方法
4.6匹配矩阵实际预测应用及结果
第五章三种预测模型的优缺点对比
5.1三种预测模型各自的特点及比较
5.2 Elman和ARMA的详细比较
5.2.1 Elman和ARMA对CV值序列的预测实例
5.2.2 Elman神经网络和ARMA的优势和不足
第六章VC和MATLAB混合编程实现算法调用
6.1混合编程的背景和需求
6.2Matlab软件做算法研究的特点
6.3 VC++和Matlab混合编程的优势
6.4混合编程的具体实现
第七章结论
参考文献
致谢
研究成果及发表的学术论文
作者和导师简介
附录