一、基于小波网络的非线性组合预测方法研究（论文文献综述）
杨玉婷[1]（2020）在《基于IOWA算子的组合预测模型研究及其在股指期货分析中的应用》文中提出1982年,在美国推出了全球第一支股指期货——价格线综合指数期货合约之后,发达资本市场相继推出了不同标的的股指期货合约,因此,国外学者很早就着手于对股指期货市场价格发现功能进行研究。结果表明,指数价格内部之间具有较强的自相关性,并且期货市场价格领先于现货市场,股指期货收益率的变动领先于相应标的现货指数收益率。我国市场推出股指期货的时间晚于美国30多年,我国处于股指期货发展的初期阶段,国内学者对于股指期货价格发现功能的研究比较侧重于国外发达金融市场推出的股指期货以及在我国市场挂牌交易时间较长的沪深300股指期货,研究结果均指出股指期货具有一定的价格发现功能。但目前已有研究文献很少涉及对上证50股指期货和中证500股指期货这两个新型品种的研究。因此,本文选取中证50股指期货以及其相应现货标的资产的相关数据进行实证研究。目前,股指期货的预测方法有很多,绝大多数投资者采用的依据股票指数趋势、图形形状、人气指标进行技术分析,由于分析方法众多,缺乏科学系统的理论支持,且各指标的独立性较强,因此预测准确性不高。人工智能是一门集大成的科学,涵盖了计算机、心理学、图像处理等知识,在近年来取得了突破性进展和广泛的应用,神经网络是人工智能的一个分支,小波神经网络是基于传统网络之上,引入小波变换对其进行改造,既有神经网络的非线性逼近、自组织学习性、结构简单等特点,同时兼具小波分析的黑箱辨识能力,能极大增强预测的效果。本文研究小波和神经网络以不同形式结合的模型的预测效果,并将改进后的模型进行组合预测,以提高预测精度。本文的的神经网络模型选择BP神经网路,小波分析通过分离式与嵌入式的方式和BP神经网络结合构成预测模型,并用上证50股票指数进行实证分析比较。在分离式小波神经网络模型中,首先利用小波进行去噪处理,再利用神经网络对去噪信号进行训练学习。此模型中改进模型的方式是,在利用小波进行去噪时,将Morlet小波改进为B-样条小波,将Daubechies小波改进为多小波,进而提高去噪效果,从而提高预测精度。B-样条小波对比Morlet小波,是连续且对称的,有许多良好的性质,在实际生活中有广泛的应用;多小波对比Daubechies小波可以通过多个小波在不同维度上进行变换,将很多信息可以挖掘出来,它与神经网络相结合的使得训练更充分,精确度更高,相对而言网络结构更稳定。在嵌入式小波神经网络模型中,本文将传统的单隐层神经网络模型改进为双隐层神经网络模型,并和多小波函数进行结合,构造了单隐层和双隐层多小波网络模型,这种模型结构改变了小波神经网络的学习模式,双隐层多小波神经网络具有两个隐含层,相对单隐层而言,它的学习性能更强,使其预测精度更高,还可以保留前几种小波神经网络模型的全部优点,进行提升预测精度。同时本文还引入诱导有序加权平均IOWA算子,利用此算子的特性来进行组合预测模型的构建。实际上,就同一个单项预测方法而言,它在不同时刻的表现可能不相同,即在某个时点上预测精度较高,而在另一时点上预测精度较低。因此现有的组合预测方法存在与现实不符的缺陷。所以本文引入诱导有序加权平均IOWA算子,通过每个单项预测方法在样本区间上各个时点的拟合精度的高低顺序赋权,以误差平方和为准则建立了新的组合预测模型,给出IOWA算子组合预测模型权系数的确定方法。本文将以上小波神经网络预测模型通过上证50指数进行实证分析,其中上证50股指选取了256个交易日的数据,利用上证50指数的开盘价、收盘价、最低价、成交量、成交金额五个指标作为输入来进行分析,收盘价作为输出来进行预测。并将改进后的多种小波神经网络预测模型利用基于IOWA算子组合预测模型进行组合预测,进一步提高预测精度,该模型的提出对股市预测研究起到了很重要的应用研究价值。
康永辉[2]（2014）在《广西大石山区干旱风险管理研究》文中研究说明随着全球经济的不断发展以及全球气候变化,造成气候变暖、资源短缺、环境恶化。干旱、地震、海啸、酸雨、雾霾、洪水、泥石流、地面沉降等各类自然灾害给人类生活和生存环境提出了严峻挑战。人口、资源、环境之间的矛盾日益凸显,日趋复杂,不确定性因素日益增多,人类已步入全球风险时代,风险无处不在,无时不有。干旱灾害是全世界范围内普遍存在的自然灾害之一,其危害是最为严重的自然灾害之一,近年来干旱发生愈发频繁,旱灾损失日趋严重,给人类社会生活和经济发展带来了极大的危害。干旱不仅会给贫穷落后的国家带来沉重灾难,也会给发达国家和发展中国家带来巨大损失。连年旱灾常会引起贫穷国家或地区的灾难性饥荒,导致地区动乱、疾病频发,带给人类巨大的灾难。由于干旱具有缓发性、渐变性、范围广、危害大等与其它自然灾害不同的特点,难以全面地摸清干旱本质。过去面对干旱,只能被动地采取应急措施,缺乏对干旱成因地充分认识、不易厘清干旱特征和发展规律,应对措施单一片面,采取地是危机管理方式,其结果是造成粮食减产、人畜饮水困难、厂矿被迫间歇性生产或停产、生态环境恶化和经济发展放缓等。传统的干旱危机管理方式不能有效地防止或减少干旱危害,为了有效地防旱抗旱,对于干旱管理应变“危机管理”为“风险管理”,而风险管理正日益成为全世界热衷的研究课题,风险单一管理正逐步发展成为风险综合管理,有学者指出“风险管理”是国家强盛的基石之一。在我国,也是干旱频发,干旱缺水的矛盾日益突出,严重制约了经济的发展。我国在干旱管理方面长期以来处于被动防抗局面,主要采取应急抗旱措施,缺乏全面的抗旱规划方案,不能有针对性的制定操作性好、措施有力的抗旱预案,管理方法落后、科技手段低下,完全是“危机管理”方式。与之相反的干旱“风险管理”则是对干旱采取科学管理的模式,包括灾前、灾期和灾后三个方面的管理。主要是在灾害发生前采取预防预警措施,使可能出现的干旱灾害消亡在其初始或成长阶段,减少干旱灾害出现的机会。而对于难以避开的旱灾,能提前采取控制措施,以便有足够的准备来应对和处理灾害,进而减轻旱灾损失。在灾后,除了救援救济、恢复重建外,还要对旱灾的原因、抗旱结果等进行分析总结,采取旱后评价以便为日后的防旱抗旱制定更加全面、措施有力的对策和计划。干旱风险管理,是主动防旱抗旱,面对干旱风险积极应对,从而起到降低或减轻旱灾的损失或破坏作用。近年来,我国干旱愈发频繁,旱灾损失愈演愈巨,2009-2010年西南地区严重干旱引起大面积农田绝收、河流干涸、人畜因旱饮水严重困难和严重的经济损失,再一次给我国干旱方面的管理敲响了警钟。在此背景下,本文以广西大石山区为研究对象并以广西田东县作为典型,在综合国内外相关研究成果的基础上,开展该区域的干旱风险管理,以提高该区域的防旱抗旱能力。本文紧扣干旱风险管理的内容,具体开展了以下几个方面的工作。（1）从广西大石山区的基本特征入手,分析了其干旱成因及干旱特征,并从自然、社会、经济等方面综合考虑选取影响因素作为评价指标对承灾体的干旱脆弱性程度采用基于熵权的模糊综合评判法进行综合评价,分析的评价结果表明广西大石山区30个县（市、区）的绝大部分的干旱脆弱性程度为严重,其评价结果对如何降低地区的脆弱性程度起到了指导性作用,并为减少防旱抗旱决策的盲目性和风险性起到了重要作用。（2）干旱识别是干旱风险管理的基础,干旱的影响因素一般有降水、气温、蒸发、旱风、土壤、地形、地貌、水文地质、农作物结构、供水条件等及区域特征,本研究在参照已有干旱识别指标体系的基础上,首次采用熵权法基于年内月、季间供需水量平衡评价指标和用均值化方法处理得到的供需水相对指数评价指标对旱地农业干旱的易旱区及干旱月、季度变化趋势和干旱程度进行了识别和分析评价,并与常规传统方法分析评价的结果进行了对比。结果表明,熵权法不仅能对干旱程度进行识别,而且还能识别干旱的变化趋势。（3）基于研究区域内的旱情历史资料缺乏,干旱信息不完备的情况下,采用模糊信息分配法及超越极限概率方法以田东县农业干旱为例进行了风险评估研究。同时采用信息扩散方法对广西大石山区的农业干旱及人饮因旱饮水困难进行了风险评估和区划风险图研究。并采用传统的频率计算和等级划分方法对广西大石山区干旱特征进行了分析及干旱风险图区划绘制。（4）为能较为准确进行干旱预报,制定有效的抗旱决策提供科学依据,本文在自回归综合移动平均ARIMA模型、Elman神经网络模型、小波网络分析模型、灰色系统理论模型对年降雨量的预测基础上,通过多种组合,建立了基于熵权的优选组合预测模型,该模型的预测精度得到了提高,拟合程度得到大大改善,为干旱预测提供了新的方法和理论支持。（5）对广西09-10年的特大干旱成因进行分析,并开展水柜防旱抗旱预警研究。针对09-10年特大干旱的影响,确定家庭水柜的容积大小,再根据水柜水位与可供水天数关系确定连续无雨日天数与可剩供水天数的预警响应级别。（6）开展广西抗旱社会经济效益分析,结果表明抗旱效益和投入资金之比（益本比）多年平均值为24.3,而对于严重旱灾益本比为12.4,对于中等程度旱灾甚至可以达到70以上,抗旱效益显着。本文以广西大石山区为研究对象及其中的田东县为典型,从干旱风险管理模式出发,剖析了该区域在抗旱减灾中存在的问题,并针对其区域干旱特征,围绕目前国内外研究热点和难点问题,对广西大石山区的干旱成因及大石山区的脆弱性进行了分析和评价,对该区域的干旱风险进行了识别与评价、评估与区划,以及干旱预报展开研究,并对广西抗旱效益进行了分析,抗旱减灾对策研究等,以期能对该区域今后的干旱防灾减灾工作提供科学依据和理论支持。
刘红萍,李波,张史宏[3]（2010）在《基于小波网络的大坝非线性组合预测模型》文中指出针对大坝这一复杂的巨系统,为尽可能利用观测量的有用信息,引入了大坝非线性组合分析模型,并基于小波理论及人工神经网络原理构建了小波网络的大坝非线性组合预测模型。以龙潭混凝土大坝为例进行拟合和预测,计算结果与实测值吻合良好,表明本文方法可行、有效。
韦安磊[4]（2010）在《污水处理过程数学模型方法及其关键技术研究》文中进行了进一步梳理如何提高污水处理效率和过程优化控制策略是国内外污水处理研究领域普遍关注的问题。污水处理过程具有时变性、非线性和复杂性等鲜明特征,这使得污水处理系统的运行和控制极为复杂。在我国当前水环境形势下,开展污水处理过程数学模型方法研究,即具有重要的理论价值,也有紧迫的现实需要。数学模型方法的有效性和可行性是数学模型应用推广的前提。论文回顾了污水处理过程模型近50多年的发展历程,认为数学模型是污水处理管理和决策不可缺少的工具;同时由于传统数学模型方法的相对复杂性与实际操作人员的知识有限性之间的矛盾,当前污水处理过程模型推广应用存在着两个难点:一是缺少简捷有效的机理模型校核方法;二是缺少稳定性和准确性俱佳黑箱模型方法。因此,应该寻求简捷可靠、行之有效的模型方法及其关键技术,以增强污水处理过程模型的实用性和可行性。论文以提高污水处理过程模型精度和简化模型校核步骤两方面为目标,提出了一种待估参数选择方法,反向选择法。该方法通过分析模型输出均方差,并将均方差分解为方差项和偏差项:前者与测量噪声方差和所选待估参数个数成正比,后者同模型参数取值及其灵敏度有关。反向选择法最初设定全部模型参数均属于待估参数集,然后逐步行进,每一步挑选出一个对提高模型精度无益的参数,并将其排除在待估参数集之外。随着待估参数个数的减少,方差项值逐渐降低,偏项值则逐渐增加,当偏项值增加幅度大于方差项值减少幅度时,便停止选择步骤,那么仍停留在待估参数集的参数则被用于模型校核。反向选择法在计算参数灵敏度时考虑了参数的不确定性,这更符合实际情况。通过与全体参数估计法和另一种待估参数选择方法正交选择法对比,发现反向选择法能够大大降低模型校核估计参数数目,同时提供了良好的模拟和预测性能。此外,论文还通过实验室规模的SBR系统模型验证了反向选择法的有效性。机理模型与人工神经网络（ANN）模型相结合的复合模型方法能够在机理模型未校核的前提下实现满意的模拟和预测精度。论文提出了三种复合模型方法:加和式并联复合模型方法（ASM2d+ANN）、乘积式并联复合模型方法（ASM2d*ANN）与串联复合模型方法（ASM2d-ANN）。复合模型方法中,以ANN模型学习机理模型因未校核而引起的误差部分,进而完成最终模拟。基于某污水处理脱氮除磷过程测量数据,分别建立了未校核的ASM2d机理模型, ASM2d+ANN模型,ASM2d*ANN模型与ASM2d-ANN模型,采用这些模型模拟出水水质。模拟结果表明:尽管ASM2d机理模型未经校核、并存在较大误差,但其输出能展示出与出水水质相似的波动特征,这为构建复合模型奠定了基础;基于ASM2d机理模型,辅以ANN模型,三种复合模型均显示了良好的模拟和预测性能,这表明复合模型不仅具有良好的向内差值功能,而且拥有可靠地外推插值能力;三种复合模型之中,ASM2d-ANN模型性能最优,其串联结构决定了ASM2d-ANN模型能够合理地描述存在于ASM2d机理模型输出和变量测量值之间的非线性关系。因此,复合模型方法适用于污水处理过程模拟,是一种简捷有效的模型方法。黑箱模型方法是解决污水处理复杂动态过程模拟问题的有效途径。论文深入探讨了三种黑箱模型方法:适应性模糊推理系统（ANFIS）、小波网络和小波变换-模糊马尔可夫链方法。ANFIS是一种具有神经网络学习特征的模糊推理系统;论文利用高浓度废水厌氧处理过程数据,验证了ANFIS模型的有效性;并且针对ANFIS模型快速收敛的特点,提出了一种模型输入优化选择方法,潜在式最优输入选择法,通过与主成份分析法对比以及模型不确定性分析,表明基于潜在式最优输入选择法构建的ANFIS模型泛化能力强、稳定性好。小波网络是隐层神经元为小波函数的单隐层神经网络;论文通过膜滤过程膜通量测量数据验证了小波网络模型的有效性,并且发现小波网络具有网络构建方法明确、网络初始化效果好、快速收敛等显着特征,可用于污水处理过程模拟。小波变换-模糊马尔可夫链方法是一种时间序列预测方法,其首先利用小波变换将原始时间序列分解为若干子序列,然后对每个子序列分别建立模糊马尔可夫链模型,最后再通过小波重构将各子序列输出合并以预测原始时间序列;论文将此方法用于污水处理厂进水BOD预测,结果表明小波变换-模糊马尔可夫链方法适用于污水处理过程时间序列预测,且可以通过适当增加模糊划分数目与改变小波函数类型提高预测精度。通过对上述三种黑箱模型方法的分析,表明黑箱模型方法能够充分利用现有数据,准确地把握住污水处理过程中的非线性不规则特征,可以作为污水处理过程模拟方法的选择。
徐树安[5]（2010）在《人工神经网络交通流预测算法研究 ——结合粒子群、小波和混沌的方法》文中研究说明智能交通系统（ITS）是目前缓解城市交通拥阻、减少交通污染的一种经济、环保、节能高效的方法。交通流量预测是智能交通系统的重要组成部分,它是根据实时交通信息来预测未来时刻的交通信息;智能交通系统主要根据预测信息对交通信号实施实时控制和对道路交通实施有效诱导。因此如何获取精确的预测信息成为研究的一个热点。城市路口交通流量具有高度的非线性、相关性、突变性等特点,传统的基于数学模型预测方法已经很难准确的预测路口交通流量,人工神经网络是目前比较有效、准确的路口交通流量预测算法。本文以某城市的交叉路口每5min采集到的交通流量为研究对象,利用混沌系统全局遍历性的特点、结合神经网络、小波函数、粒子群优化算法等,提出基于混沌与小波的神经网络交叉路口短时交通流量预测算法,以提高神经网络预测算法的精度;本文的研究内容包括以下四个方面:1.交通流特性、预测与分析通过对交通流的一般特性及交通流可预测性分析,证明本文研究对象的可预测性。2.结合智能优化算法的BP神经网络短时交通流量预测将BP神经网络应用于交通流预测,分析BP神经网络预测算法的局限性,分别采用遗传算法和粒子群算法对BP神经网络参数进行优化,分析两种智能优化算法优化的BP网络预测算法的优缺点。3.结合小波的神经网络短时交通流量预测结合交通流量的非线性、突变性、数量少的特点以及小波神经网络对高频,低频信号的处理能力,提出结合小波的神经网络交通流预测算法,并进行仿真实验,对预测输出结果进行性能评估。4.结合粒子群算法的小波神经网络的短时交通流量预测分析小波神经网络预测算法的优缺点,针对小波神经网络的局限性,应用粒子群及其改进算法优化小波网络结构和参数,并将优化后的小波网络对交叉路口交通流量进行预测,分析评价预测效果。5.结合混沌算法的小波神经网络交通流量预测研究混沌系统全局遍历性的特点,研究混沌系统嵌入粒子群优化的算法以及将混沌系统嵌入小波神经网络学习训练过程的算法;最后应用混沌粒子群神经网络和混沌神经网络算法对交叉路口交通流量进行预测。论文应用MATLAB对各种算法进行仿真实验,实验仿真结果表明,基于小波神经网络及其结合混沌和粒子群的预测算法可以突出交通流量的非线性、突变性等特点,且算法全局搜索性好、预测精度高,是一种有效的预测算法。
钱振松[6]（2010）在《小波网络及组合预测在赤潮灾害智能预警系统中的应用研究》文中指出作为世界上赤潮灾害严重的国家之一,在我国,赤潮灾害发生范围已遍及所有沿海省市,每年对我国海洋经济产业造成的直接经济损失高达数以十亿元计。因此,研究赤潮分析预测关键技术和开发先进的赤潮预警系统,对促进我国海洋经济可持续发展具有重要的现实意义和战略意义。赤潮是海洋生态系统不平衡的一种生态异常现象,其发生原因复杂,至今尚不能明确其发生机理,赤潮的爆发表现出非线性、随机性等复杂特征,导致对其建立准确的数学预测模型非常困难,从而极大的增加了赤潮的预报难度与准确度。本文结合当前先进的小波网络算法、IOWA算子及组合预测理论,分别建立了一种改进型的小波网络赤潮预测模型和基于IWNN的IOWA算子赤潮组合预测模型,并尝试设计了面向服务的、智能赤潮预测平台HIFP。具体来说包括以下几个方面：●应用一种改进的小波网络算法（Improved Wavelet Neural Network,IWNN）建立了烟台四十里湾赤潮预测模型,采用国家海洋局北海分局提供的实验数据进行实验,实验结果表明该模型取得了预期的效果,提高了模型的预测精度,并具有更好的泛化能力。首先应用了隐含层为Morlet小波函数,输出层为sigmoid函数的一种新型多输入、多输出、单隐层的小波网络拓扑结构；其次应用熵误差函数来加快网络的学习速率,添加动量项来加快网络的收敛速度的改进的BP算法来最优调节网络权重；第三,详细介绍了如何建立基于上述改进小波网络的赤潮预测模型,接着应用Orings标准数据集对模型的有效性进行了验证；最后,采用烟台四十里湾数据进行实验,结果显示无论是网络收敛速度,还是均方误差,都优于相同结构的BP神经网络。●针对传统组合预测模型同一单项模型在某一样本区间上各个时刻的加权平均系数是相同的不足,提出了一种赤潮组合预测模型,该模型基于诱导有序加权平均（Induced Ordered Weighted Average Operator, IOWA）算子与改进的小波网络（Improved Wavelet Neural Network, IWNN）算法：依据各单项预测模型在不同时刻预测精度的高低来赋权,从而很好的克服了此问题。建模过程中,首先针对赤潮频发的特点选择输入变量,进而通过多组对比实验确定最优IWNN网络结构,然后引入IMOWA算子,将九个单项IWNN神经网络预测的输出结果按照拟合精度的高低顺序赋权,建立赤潮组合预测模型,并给出确定最优权值的计算方法。最后,针对传统赤潮预测预警系统模型单一化、表现形式单一、扩展性和集成性差等问题,尝试以数据挖掘技术体系为支撑,构建一种面向服务的、智能赤潮预测平台（HABs Intelligent Forecast Platform, HIFP）,为解决上述问题做出了有益的尝试,对于构建能够测试和实际运行的赤潮分析预测平台,提供了一条新的思路,对于以后相关赤潮预测平台的开发亦有很好的指导作用。
李萍[7]（2010）在《小波网络在经济预测中的应用》文中进行了进一步梳理因经济系统本身的非线性和不确定性,使得一般的线性模型预测结果误差很大.而神经网络作为一种优良的非线性函数逼近工具,因其内在的非线性品质、自组织、自学习、强鲁棒性、分布式存储和并行计算的能力,在经济预测方面显示出很大优势.BP神经网络是一种最广泛应用的神经网络模型,实践证明,它具有强大的空间映射能力.但是BP神经网络在做预测的时候,结果并不是很理想.BP算法收敛速度比较慢,且网络在初始参数选取不当时,很容易陷入局部极小,影响模型的可靠性和准确性.而具有良好的时频局部性和变焦特性,且有很强的非线性函数逼近能力使得小波分析方法成为强有力的非线性系统黑箱辨识工具.1992年由法国着名的信息科学研究机构IRLSA的Zhang Qinghu和Albert Benveniste提出的小波神经网络,是基于小波变换构成的神经网络模型,即用非线性小波基取代通常的神经元非线性激励函数（如Sigmoid函数）,它把小波变换与神经网络有机地结合起来并充分继承了两者的优点.随着非线性理论和人工智能技术的发展,小波网络将成为金融市场有力的分析和预测工具.本文尝试从小波网络的结构和算法两方面出发,提出了四种小波网络.其中两种是基于同种算法下不同结构的小波网络,即MorletWNN模型和Mor-letGaussinWNN模型；另外两种是基于不同算法下同种结构的小波网络,即基于遗传算法的小波网络和基于粒子群优化算法的小波网络.分别利用得到的小波网络进行时间序列预测,并对预测结果做出比较分析.文章最后利用基于量子粒子群优化算法的小波网络进行股票价格预测.量子粒子群优化算法是孙俊等人从量子力学的角度出发,提出的一种改进PSO算法.他们认为粒子具有量子行为,在量子空间中粒子没有确定的移动轨迹,使得粒子可以在整个可行解空间中进行搜索寻找全局最优解.试验结果表明基于量子粒子群优化算法的小波网络预测的效果比较理想.
朱涛[8]（2010）在《宁夏引黄灌区退水量影响因素及预测方法研究》文中认为宁夏引黄灌区是我国特大型古老灌区之一,其退水量通常占引水量的40%-60%。其重复利用不仅对于灌区,而且对于整个黄河流域的水量调度具有十分重要的意义。在查阅国内外相关文献资料的基础上,本文采用理论与方法研究和应用相结合的技术路线,研究了宁夏引黄灌区退水的变化规律,确定了退水的组成及主要影响因素,将灌区退水分为年退水、月退水、日退水等3种不同的类型,对灌区退水量预测的理论与方法进行了研究。论文的主要研究成果为：（1）研究了灌区退水量的组成,揭示了退水量的年际和年内变化规律,采用灰色关联度和相关分析的方法确定了退水量的主要影响因素为引水量、地下水位和降水量。（2）以年退水量为研究对象,采用非常适合小样本资料研究RBF网络模型,建立年退水量预测模型。研究表明网络能非常好的逼近训练样本,检验样本预测效果精确。（3）灌区月退水量的变化呈一定的周期性,但随机波动较大,用传统数值分析方法很难进行模拟,本文利用“分解—重构—预测”的小波网络模型,小波分解对灌区月退水量序列进行了平滑,分解后的序列的平稳性毕原始信号好,并实现了对特征不同的小波系数序列选取不同的神经网络模型进行预测,提高了预测精度。（4）由于灌区日退水量序列是非平稳时间序列,本文应用小波时间序列预测方法,即利用小波分析将时间序列可以通过小波分解一层一层分解到不同的频率通道上,由于分解后的序列在频率成分上比原始信号单一,并且小波分解对信号作了平滑,因此,分解后信号的平稳性比原始信号好得多,为了保证分解后各小波序列充足的样本数,对灌区日退水量时间序列分解后再重构到原来的尺度上,对分解重构后的小波序列利用相应的时间序列模型进行预测。（5）对灌区日退水量时间序列进行混沌识别和相空间重构,揭示灌区日退水量具有混沌特征,确定了其重构相空间的时间延迟、嵌入维数和关联维数。在此基础上,将相空间重构理论与小波网络方法相结合,建立灌区日退水量预测的混沌小波网络模型,克服传统BP网络容易陷入局部极值、收敛速度慢等缺点。
姬鹏[9]（2009）在《知识发现技术在赤潮分析预测中的应用研究》文中研究指明众所周知,21世纪是海洋世纪,海洋包括高新技术引导下的海洋经济将成为国际竞争的主要领域。在我国,赤潮灾害发生范围已遍及所有沿海省市,每年对海产养殖业、滨海旅游业等海洋经济产业造成的直接经济损失高达数以十亿元计。因此,研究赤潮分析预测关键技术和开发先进的赤潮预警应用系统对促进我国海洋经济可持续发展具有重要的现实意义和战略意义。赤潮是一种由多种因素综合作用引发的生态异常现象,具有随机性、模糊性、突发性和非线性等特点,对其建模和预测是非常困难的。赤潮现象的这些特点使得赤潮灾害的预测预警已成为当今海洋科学技术领域最具挑战性的难题之一。传统的研究思路大多数是从赤潮现象的某一个特点出发构建算法模型,并设计开发原型系统。这些模型只是从某一个方面反映赤潮的特性,而没有全面系统地刻画赤潮的本质和各方面的特征,实际应用的效果并不是很理想。为了克服传统研究思路的不足,需要不断引入新的理论和方法,同时需要将多种不同技术方法综合集成,从整体的观点对赤潮进行系统和全面的分析研究。本论文以山东省科学发展计划（重点项目）“海洋环境在线监测及灾害智能预警系统的研制（2004GG2205108）”为背景,在总结吸收前人研究成果的基础上,探索以知识发现的理论和方法为框架,多学科交叉综合研究,考虑将小波分析、主元分析、模糊聚类分析和神经网络等知识发现技术综合应用于赤潮数据资料的分析处理上,并在课题组众多研究成果的基础上设计实现赤潮知识发现平台,通过该平台构建多种组合模型,以期能从更多视角认识和掌握赤潮发生的内在规律,进而在赤潮预测预警研究上取得一定的成果。全文的主要内容包括以下几个方面:（1）首先在分析传统小波阈值去噪方法的基础上,提出一种基于平移不变的小波指数阈值去噪方法,并通过理论分析和仿真实验对其去噪性能进行了深入地分析和探讨,结果表明该方法能够有效克服传统硬阈值和软阈值去噪方法的不足,较为明显地提升了去噪性能,具有一定的通用性。进而针对赤潮分析预测中使用的数据资料可能受到大量噪声影响的问题,应用该方法对其进行去噪处理,获得了较高品质的数据资料,能够更为真实和客观地反映赤潮现象的本质特征,从而为后续的赤潮分析预测等提供了可靠和有效的数据源。（2）其次,在分析研究常规模糊c均值聚类（Fuzzy C-meansClustering,FCM）算法不足的基础上,针对FCM算法在聚类中心的迭代计算过程中,各样本点对聚类中心的确定具有相同的权重,容易导致少数异常样本的存在也会对聚类中心的确定产生较大影响的问题,提出了一种基于相似关系的模糊加权FCM算法（Fuzzy Weighting FCM,FWFCM）,根据各样本对聚类中心的不同影响程度,为每一个样本设置了一个特征权值,使得各个样本在聚类中心的迭代计算中起到不同的作用。进而针对目前大多数赤潮预测算法不能合理区划赤潮起始、发生、发展和消亡的演变过程,应用FWFCM算法,找出比较可靠的赤潮生态过程所处阶段的范围划分规则,不仅得到了较准确的和符合实际的类别划分,直观和真实的反映了赤潮生态过程的模糊性和过渡性等特征,而且在分类后仍极大地保留了样本数据集的原始信息,为进一步探求分类的内在原因和解释样本点之间彼此关联的程度提供了有效的途径。（3）然后,针对传统的单一预测模型不能全方面刻画赤潮生态现象的本质特征,存在预测精度低和预测结果稳定性差的不足,以及神经网络预测模型对预测结果缺乏合理性解释的问题,提出了融合主元分析、模糊聚类分析、小波分析和神经网络的赤潮组合预测模型,使用主元分析方法和模糊聚类算法先将赤潮生态过程分解为若干不同本质的子过程,然后再应用小波网络对赤潮藻类密度等进行预测预报。该模型结构在一定程度上反映了赤潮生态过程的内在规律,可以对模型的输出结果给予更合理的解释。同时,在该组合模型在模型效率和预测精度方面都较单一预测模型有所提升。（4）最后,针对传统赤潮预测预警软件中普遍存在的模型单一化、数据与算法过耦合,以及可扩展性和可重用性差等问题,在深入研究知识发现过程机理、系统结构和运行机制,以及软件架构模型的基础上,提出了一种基于组件技术的面向服务的赤潮知识发现平台的解决方案,以期为用户提供一个可以快速和灵活构建各种组合模型,并能够测试和实际运行的赤潮分析预测的研究与应用环境。总之,本文在知识发现技术体系框架下,综合运用多种理论和方法,多视角、多层次系统全面地研究了赤潮的分析预测。大量实例分析表明,本文的研究思路具有较强的可行性和实用性,深化、丰富和发展了赤潮分析预测的理论和方法,为赤潮的预测预警研究提供了新途径。
田其煌[10]（2008）在《小波神经网络在软基沉降组合预测中的应用》文中提出将小波神经网络组合预测模型引入软土路基沉降预测中。把5组不同形式的s型增长模型单项预测结果作为小波网络的输入向量,将代表相应时刻的实际值作为小波网络的输出,对软基沉降序列进行非线性组合预测。预测结果表明,小波网络组合预测的结果比各单项模型预测的结果都好,与BP神经网络相比,小波网络的收敛速度更快,预测精度更高,模型的泛化能力更强。
二、基于小波网络的非线性组合预测方法研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于小波网络的非线性组合预测方法研究（论文提纲范文）
（1）基于IOWA算子的组合预测模型研究及其在股指期货分析中的应用（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 组合预测方法概论 |
| 1.3 股票指数和股指期货 |
| 1.4 本文的主要工作和内容安排 |
| 2 单项预测模型研究 |
| 2.1 小波分析基本理论 |
| 2.1.1 傅里叶分析到小波分析 |
| 2.1.2 小波框架与多分辨分析 |
| 2.1.3 几种常见的小波函数 |
| 2.2 神经网络基本理论 |
| 2.2.1 BP神经网络拓扑及学习算法 |
| 2.2.2 双隐层神经网络 |
| 2.3 小波神经网络基本理论 |
| 2.3.1 小波神经网络在金融领域的应用 |
| 2.3.2 小波神经网络构造框架 |
| 2.4 基于分离式小波神经网络股票预测模型 |
| 2.5 基于嵌入式单隐层多小波神经网络股票预测模型 |
| 2.6 基于嵌入式双隐层多小波神经网络股票预测模型 |
| 3 基于IOWA算子的组合预测模型 |
| 3.1 IOWA算子的基本概念 |
| 3.2 基于IOWA算子的组合预测模型的建立 |
| 3.3 基于IOWA算子的组合预测模型的求解 |
| 4 实证分析 |
| 4.1 股指数据的的选取和预处理 |
| 4.2 各种模型对上证50指数的预测 |
| 4.2.1 分离式小波神经网络对上证50指数的预测 |
| 4.2.2 嵌入式单隐层多小波神经网络对上证50指数的预测 |
| 4.2.3 嵌入式双隐层多小波神经网络对上证50指数的预测 |
| 4.2.4 基于IOWA算子的组合预测模型对上证50指数的预测 |
| 4.3 预测结果误差比较分析 |
| 5 结论 |
| 参考文献 |
| 学位论文数据集 |
（2）广西大石山区干旱风险管理研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 干旱识别与指标研究现状 |
| 1.2.2 干旱风险评估研究现状 |
| 1.2.3 干旱预警预报研究现状 |
| 1.2.4 抗旱减灾对策及抗旱预案研究现状 |
| 1.3 研究动态和趋势 |
| 1.4 研究内容及技术路线 |
| 1.5 创新成果 |
| 2 广西大石山区干旱灾害风险成因分析 |
| 2.1 广西大石山区基本特征概况 |
| 2.2 广西大石山区以岩溶生境为特性的脆弱性 |
| 2.3 广西大石山区干旱灾害特征分析 |
| 2.4 广西大石山区干旱灾害成因总结 |
| 2.5 结论与对策 |
| 3 广西大石山区干旱脆弱性评价研究 |
| 3.1 基于熵权的干旱脆弱性模糊综合评价 |
| 3.1.1 建立模糊综合评价模型 |
| 3.1.2 评价分级标准及相对隶属度的确定 |
| 3.1.3 利用熵权法确定指标权重 |
| 3.2 基于熵权模糊综合评价法在广西大石山区干旱脆弱性评价中的应用 |
| 3.3 结论 |
| 4 基于熵权法的干旱识别与评价研究 |
| 4.1 识别与评价模型 |
| 4.2 采用熵权法对田东县农业干旱相对易旱区的识别与评价 |
| 4.3 田东县农业干旱程度识别及月、季尺度变化趋势 |
| 4.4 结论 |
| 5 基于干旱综合指数的农业干旱模糊信息分配风险评估研究 |
| 5.1 农业干旱综合指数分析 |
| 5.2 建立农业干旱综合指数 |
| 5.3 干旱综合指数风险评估 |
| 5.4 基于干旱综合指标的模糊信息分配风险评估 |
| 5.4.1 信息分配定义 |
| 5.4.2 基于信息分配的干旱综合指数概率分布 |
| 5.4.3 超越极限概率 |
| 5.5 应用实例 |
| 5.6 结论 |
| 6 基于旱灾损失的干旱风险评估与区划研究 |
| 6.1 干旱灾害程度的确定 |
| 6.2 频率分析和等级划分法的干旱风险评估与区划 |
| 6.2.1 风险评估 |
| 6.2.2 易旱区风险图区划 |
| 6.3 基于模糊信息扩散评价方法的干旱风险评估与区划 |
| 6.3.1 模糊信息扩散评价方法 |
| 6.3.2 干旱风险评估 |
| 6.3.3 广西大石山区干旱风险区划图 |
| 6.4 结论 |
| 7 基于熵权理论的优选组合模型干旱预测研究 |
| 7.1 预测模型简介 |
| 7.1.1 ARIMA模型 |
| 7.1.2 Elman神经网络模型 |
| 7.1.3 小波网络分析模型 |
| 7.1.4 灰色预测模型 |
| 7.2 熵权理论 |
| 7.2.1 确定指标熵 |
| 7.2.2 确定指标的熵权 |
| 7.3 组合优化预测模型 |
| 7.4 熵权理论优选组合模型在干旱预测中的应用研究 |
| 7.5 结论 |
| 8 广西2009-2010年特大干旱分析及水柜抗旱预警研究 |
| 8.1 广西09-10年特大干旱分析 |
| 8.1.1 概略广西09-10年特大干旱 |
| 8.1.2 广西区09-10年的干旱成因分析 |
| 8.2 广西典型区域因旱人饮困难解决方案 |
| 8.2.1 广西大石山区水柜大小标准确定 |
| 8.2.2 家庭水柜抗旱预防 |
| 8.2.3 家庭水柜抗旱预警 |
| 8.3 结论 |
| 9 广西抗旱效益分析 |
| 9.1 社会经济影响及抗旱效益 |
| 9.1.1 旱灾损失和社会经济影响 |
| 9.1.2 抗旱减灾的社会经济效益 |
| 9.2 社会经济干旱趋势预测 |
| 9.3 结论 |
| 10 结论与展望 |
| 10.1 结论 |
| 10.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
| 附表Ⅰ 广西大石山区农业干旱灾害损失风险概率统计表 |
| 附表Ⅱ 广西大石山区干旱灾害人口饮水困难风险概率统计表 |
| 附表Ⅲ 广西大石山区家庭水柜容积、因旱人饮困难预防及预警表 |
（3）基于小波网络的大坝非线性组合预测模型（论文提纲范文）
| 1 大坝非线性组合分析模型 |
| 2 大坝分析模型 |
| 3 大坝小波网络的非线性组合预测模型 |
| 3.1 小波变换原理 |
| 3.2 小波网络 |
| 4 算例 |
| 5 结语 |
（4）污水处理过程数学模型方法及其关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 污水处理与数学模型 |
| 1.1.2 数学模型的科学性 |
| 1.2 研究问题的提出 |
| 1.3 污水处理过程模型研究进展 |
| 1.3.1 机理模型 |
| 1.3.2 机理模型校核方法 |
| 1.3.3 机理模型商业软件 |
| 1.3.4 黑箱模型 |
| 1.4 研究目的、内容和意义 |
| 1.4.1 研究目的 |
| 1.4.2 研究内容 |
| 1.4.3 研究意义 |
| 1.5 论文结构 |
| 第2章 污水处理过程模型校核参数选择方法研究 |
| 2.1 引言 |
| 2.2 理论方法 |
| 2.2.1 正交选择法 |
| 2.2.2 反向选择法 |
| 2.3 案例一 |
| 2.3.1 反硝化过程数值试验 |
| 2.3.2 参数选择 |
| 2.3.3 模型拟合 |
| 2.3.4 模型验证 |
| 2.4 案例二 |
| 2.4.1 研究对象 |
| 2.4.2 参数选择与估计 |
| 2.4.3 模型拟合 |
| 2.4.4 模型验证 |
| 2.5 小结 |
| 第3章 污水处理过程机理－黑箱复合模型方法研究 |
| 3.1 引言 |
| 3.2 材料和方法 |
| 3.2.1 研究对象 |
| 3.2.2 ASM2d 机理模型 |
| 3.2.3 人工神经网络 |
| 3.2.4 加和式并联复合模型 |
| 3.2.5 乘积式并联复合模型 |
| 3.2.6 串联复合模型 |
| 3.2.7 评价指标 |
| 3.3 结果和讨论 |
| 3.3.1 ASM2d 机理模型分析 |
| 3.3.2 ASM2d+ANN 模型分析 |
| 3.3.3 ASM2d*ANN 模型分析 |
| 3.3.4 ASM2d-ANN 模型分析 |
| 3.3.5 三种模型对比分析 |
| 3.4 小结 |
| 第4章 污水处理过程ANFIS 模型方法及其输入变量优化选择研究 |
| 4.1 引言 |
| 4.2 材料和方法 |
| 4.2.1 研究对象 |
| 4.2.2 适应性模糊推理系统 |
| 4.2.3 潜在式最优输入选择法 |
| 4.2.4 主成分分析法 |
| 4.2.5 不确定性分析 |
| 4.2.6 性能评价指标 |
| 4.3 结果和讨论 |
| 4.3.1 建模数据处理 |
| 4.3.2 输入主成分分析 |
| 4.3.3 QZS 法输入选择 |
| 4.3.4 ANFIS 模型训练 |
| 4.3.5 ANFIS 模型检验 |
| 4.3.6 ANFIS 模型不确定性分析 |
| 4.4 小结 |
| 第5章 膜滤通量小波网络模型方法 |
| 5.1 引言 |
| 5.2 材料和方法 |
| 5.2.1 建模数据 |
| 5.2.2 小波网络 |
| 5.3 结果和讨论 |
| 5.3.1 小波网络模型构建与训练 |
| 5.3.2 小波网络模型膜通量动态模拟 |
| 5.3.3 小波网络与其他模型方法对比 |
| 5.4 小结 |
| 第6章 污水处理厂进水水质时序小波变换－模糊马尔可夫链预测方法 |
| 6.1 引言 |
| 6.2 材料和方法 |
| 6.2.1 数据来源 |
| 6.2.2 模糊马尔可夫链方法 |
| 6.2.3 小波变换 |
| 6.2.4 基于小波变换的模糊马尔可夫链法(WTFM) |
| 6.2.5 评价指标 |
| 6.3 结果和讨论 |
| 6.3.1 模糊状态划分对模拟精度的影响 |
| 6.3.2 小波变换尺度对预测精度的影响 |
| 6.3.3 小波函数类型对预测精度的影响 |
| 6.3.4 WTFM 法与其他方法的比较 |
| 6.4 小结 |
| 结论和建议 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间论文发表情况 |
| 附录B 攻读学位期间出版的专着 |
（5）人工神经网络交通流预测算法研究 ——结合粒子群、小波和混沌的方法（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.1.1 交通问题现状和解决方法 |
| 1.2 智能交通系统（ITS）国内、外发展概述 |
| 1.2.1 智能交通系统（ITS）概述 |
| 1.2.2 ITS 国内外发展现状 |
| 1.3 交通流量预测的发展及研究现状 |
| 1.3.1 基于解析数学模型的方法 |
| 1.3.2 基于知识的智能预测方法的模型 |
| 1.3.3 组合预测算法 |
| 1.4 本文内容及创新点 |
| 1.4.1 本文主要研究内容 |
| 1.4.2 本文主要创新点 |
| 1.5 论文结构 |
| 第2章 交通流特性、预测与分析 |
| 2.1 交通流理论 |
| 2.1.1 交通流采集 |
| 2.1.2 交通流特性分析 |
| 2.1.3 交通流可测性分析 |
| 2.2 交通流预测 |
| 2.2.1 交通流预测概述 |
| 2.2.2 交通流数据预处理 |
| 2.2.3 交通流预测性能评价指标 |
| 2.3 本章小结 |
| 第3章 基于BP神经网络交通流预测模型研究 |
| 3.1 BP 神经网络与学习算子 |
| 3.1.1 神经网络概述 |
| 3.1.2 BP 神经网络 |
| 3.1.3 BP 神经网络学习算子 |
| 3.2 基于BP 神经网络的交通流量预测 |
| 3.2.1 交通流数据可预测性分析 |
| 3.2.2 基于BP 神经网络预测算法设计与分析 |
| 3.3 基于数学模型改进的BP 神经网络交通流量预测 |
| 3.4 本章总结 |
| 第4章 结合智能优化算法的BP 神经网络交通流预测 |
| 4.1 智能优化算法 |
| 4.1.1 智能优化算法概述 |
| 4.1.2 遗传算法 |
| 4.1.3 粒子群算法 |
| 4.2 结合遗传算法的BP 神经网络交通流量预测 |
| 4.3 结合粒子群算法的BP神经网络交通流量预测 |
| 4.3.1 结合标准粒子群的BP神经网络预测算法 |
| 4.3.2 结合参数改进粒子群的BP神经网络预测算法 |
| 4.4 本章总结 |
| 第5章 结合混沌与小波的神经网络交通流预测模型 |
| 5.1 小波神经网络概述 |
| 5.2 基于小波神经网络预测模型与仿真 |
| 5.3 小波网络预测算法改进 |
| 5.3.1 结合标准粒子群的小波网络算法改进 |
| 5.3.2 结合改进粒子群的小波神经网络算法 |
| 5.3.3 结合混沌的小波神经网络预测算法与分析 |
| 5.3.4 结合混沌粒子群的小波网络预测算法 |
| 5.4 预测算法比较总结 |
| 5.5 本章小结 |
| 第6章 结论 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（6）小波网络及组合预测在赤潮灾害智能预警系统中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章.绪论 |
| 1.1 赤潮概述 |
| 1.1.1 赤潮定义及发生诱因 |
| 1.1.2 赤潮危害及我国赤潮状况 |
| 1.2 选题背景及意义 |
| 1.3 国内外研究现状 |
| 1.4 存在的问题与不足 |
| 1.5 本文主要工作 |
| 第二章.小波网络理论概述及应用 |
| 2.1 人工神经网络概述 |
| 2.1.1 人工神经网络的发展历史、应用 |
| 2.1.2 常用BP人工神经网络及其改进 |
| 2.2 小波网络理论基础 |
| 2.2.1 小波分析理论 |
| 2.2.2 小波网络的结构形式 |
| 2.2.3 小波网络经典学习算法 |
| 2.3 小波网络常见应用 |
| 2.4 本章小结 |
| 第三章.基于改进小波网络(IWNN)的赤潮预测模型 |
| 3.1 一种改进的小波网络(IWNN) |
| 3.1.1 多输入、多输出小波网络拓扑 |
| 3.1.2 添加动量项的网络权重优化算法 |
| 3.2 基于IWNN的烟台四十里湾赤潮预测模型 |
| 3.2.1 数据样本选取与数据规范化预处理 |
| 3.2.2 输入变量选择及隐含层节点数确定 |
| 3.3 模型结果分析 |
| 3.3.1 标准数据集O_rings数据集预测效果对比 |
| 3.3.2 烟台四十里湾预测效果对比 |
| 3.4 本章小结 |
| 第四章.基于IWNN的赤潮IOWA算子组合预测模型 |
| 4.1 组合预测 |
| 4.1.1 组合预测概念及分类 |
| 4.1.2 以预测误差平方和达到最小的线性组合预测模型 |
| 4.2 诱导有序加权平均算子概念及性质 |
| 4.2.1 OWA算子定义及性质 |
| 4.2.2 IOWA算子定义及性质 |
| 4.3 基于IOWA算子的赤潮组合预测模型实例分析 |
| 4.3.1 确定以各理化因子为输入的单入、单出最优IWNN模型 |
| 4.3.2 基于IOWA算子的单入单出IWNN组合预测模型 |
| 4.3.3 预测性能评价 |
| 4.4 本章小结 |
| 第五章.一种面向服务的、智能赤潮预测平台(HIFP) |
| 5.1 数据挖掘软件现状 |
| 5.2 HIFP模型设计方案 |
| 5.3 HIFP具体组件介绍 |
| 5.4 本章总结 |
| 第六章.总结与展望 |
| 6.1 全文总结 |
| 6.2 课题展望 |
| 主要参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文及参加的科研课题 |
| 学位论文评阅及答辩情况表 |
（7）小波网络在经济预测中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 目录 |
| 第一章 绪论 |
| 1.1 小波分析基础 |
| 1.2 小波网络的提出及发展 |
| 1.3 小波网络的构造 |
| 1.4 小波网络在经济预测中的应用 |
| 第二章 基于小波网络和BP神经网络的时间序列预测 |
| 2.1 基于小波网络的汇率预测 |
| 2.1.1 基于Morlet_WNN模型的汇率预测 |
| 2.1.2 基于Morlet_Gaussin_WNN模型的汇率预测 |
| 2.2 基于BP神经网络的汇率预测 |
| 2.3 三种网络预测结果对比 |
| 2.3.1 总体对比分析 |
| 2.3.2 部分比较分析 |
| 第三章 基于不同算法小波网络的时间序列预测 |
| 3.1 基于遗传算法的小波网络的建立 |
| 3.1.1 遗传算法 |
| 3.1.2 基于遗传算法的小波网络训练及预测 |
| 3.2 基于粒子群优化算法的小波网络 |
| 3.2.1 粒子群优化算法 |
| 3.2.2 基于粒子群优化算法的小波网络训练及预测 |
| 3.3 基于逐步修正算法的小波网络训练及预测 |
| 3.4 三种网络预测结果对比 |
| 第四章 基于量子粒子群优化算法的小波网络股票价格预测 |
| 4.1 量子粒子群优化算法 |
| 4.2 基于量子粒子群优化算法的小波网络股票价格预测 |
| 4.3 预测结果分析 |
| 第五章 总结 |
| 参考文献 |
| 致谢 |
（8）宁夏引黄灌区退水量影响因素及预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1. 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 灌区退水的研究进展 |
| 1.2.2 农田水量转化理论的研究进展 |
| 1.2.3 水量预测理论和方法的研究进展 |
| 1.2.4 宁夏引黄灌区水资源研究现状 |
| 1.3 主要研究内容 |
| 1.4 研究的技术路线 |
| 2. 宁夏引黄灌区概况及水资源转化特性分析 |
| 2.1 引黄灌区概况 |
| 2.2 灌区的引水和排水系统 |
| 2.2.1 灌区的引水系统 |
| 2.2.2 灌区的排水系统 |
| 2.3 灌区水资源分析 |
| 2.3.1 地表水资源 |
| 2.3.2 地下水资源 |
| 2.3.3 灌区的土壤水资源 |
| 2.3.4 水资源总量 |
| 2.4 灌区水资源利用情况分析 |
| 2.4.1 用水现状分析 |
| 2.4.2 灌区的水资源利用的特点 |
| 2.5 灌区水资源转化特性分析 |
| 2.5.1 灌区水资源转化特征 |
| 2.5.2 灌区的水资源转化模式 |
| 3. 宁夏引黄灌区退水规律分析 |
| 3.1 灌区退水量的组成 |
| 3.2 灌区退水量年内、年际的变化规律 |
| 3.2.1 退水量年内变化规律 |
| 3.2.2 灌区退水量年际变化规律 |
| 3.3 灌区退水量影响因素分析 |
| 3.3.1 引水量的影响 |
| 3.3.2 地下水位的影响 |
| 3.3.3 降水量的影响 |
| 3.3.4 蒸发量的影响 |
| 3.4 退水量的关联分析 |
| 3.5 本章小结 |
| 4. 灌区年退水量预测的RBF网络模型 |
| 4.1 前言 |
| 4.2 神经网络的基本理论 |
| 4.2.1 人工神经元模型 |
| 4.2.2 神经网络的拓扑结构 |
| 4.2.3 神经网络的学习方式 |
| 4.2.4 RBF网络理论与算法 |
| 4.3 RBF网络退水量预测模型 |
| 4.3.1 河西灌区年退水量预测模型 |
| 4.3.2 河东灌区年退水量预测模型 |
| 4.4 本章小节 |
| 5. 灌区月退水量预测的小波网络模型 |
| 5.1 前言 |
| 5.2 小波分析的基本理论 |
| 5.2.1 傅里叶变换,窗口傅里叶变换与小波变换 |
| 5.2.2 小波变换 |
| 5.2.3 常用小波函数 |
| 5.2.4 多分辨分析 |
| 5.2.5 Mallat算法 |
| 5.3 BP神经网络的基本理论 |
| 5.3.1 BP网络模型 |
| 5.3.2 BP算法 |
| 5.3.3 BP网络的局限性 |
| 5.3.4 BP算法改进 |
| 5.3.5 网络推广能力的提高 |
| 5.4 小波网络模型 |
| 5.4.1 引言 |
| 5.4.2 小波网络 |
| 5.5 灌区月退水量预测的小波网络模型 |
| 5.5.1 "松散型"小波网络 |
| 5.5.2 青铜峡河西灌区月退水量的小波网络预测模型 |
| 5.5.3 青铜峡河东灌区月退水量的小波网络预测模型 |
| 5.6 本章小结 |
| 6. 基于小波分析与时间序列分析的灌区日退水量预测模型 |
| 6.1 前言 |
| 6.2 时间序列模型及其性质 |
| 6.2.1 时间序列模型的分类 |
| 6.2.2 模型阶数的确定 |
| 6.2.3 模型参数的估计 |
| 6.2.4 模型考核的检验 |
| 6.3 小波分析与时间序列应用于灌区日退水量预测 |
| 6.3.1 小波分析与时间序列应用于灌区日退水量预测模型 |
| 6.3.2 小波分析和时间序列应用于灌区日退水量预测 |
| 6.4 本章小结 |
| 7. 灌区日退水量混沌小波网络模型研究 |
| 7.1 前言 |
| 7.2 时间序列的相空间重构 |
| 7.2.1 动力系统与相空间重构 |
| 7.2.2 相空间重构延迟时间的选择 |
| 7.2.3 相空间重构嵌入维数的选择 |
| 7.3 灌区日退水量时间序列的混沌识别 |
| 7.3.1 混沌时间序列的识别方法 |
| 7.3.2 饱和关联数法 |
| 7.3.3 灌区日退水量时间序列的混沌识别 |
| 7.4 灌区日退水量混沌小波网络模型 |
| 7.4.1 小波网络模型 |
| 7.4.2 灌区日退水量混沌小波网络模型的结构 |
| 7.4.3 混沌神经网络模型的验证 |
| 7.5 本章小结 |
| 8 结论 |
| 致谢 |
| 参考文献 |
| 附录 |
（9）知识发现技术在赤潮分析预测中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 赤潮概述 |
| 1.3 赤潮预测预警研究的进展 |
| 1.3.1 经验预测法 |
| 1.3.2 统计预测法 |
| 1.3.3 动力学模型预测法 |
| 1.3.4 神经网络预测法 |
| 1.3.5 其它人工智能预测方法 |
| 1.4 研究目标 |
| 1.5 文章安排 |
| 第2章 小波分析在赤潮数据资料去噪中的应用 |
| 2.1 小波去噪原理 |
| 2.2 小波阈值去噪模型及步骤 |
| 2.3 基于平移不变的小波指数阈值去噪方法 |
| 2.3.1 平移不变小波变换 |
| 2.3.2 指数阈值函数 |
| 2.3.2.1 风险测度的计算 |
| 2.3.2.2 风险测度和阈值t的关系 |
| 2.3.2.3 风险测度和小波系数的关系 |
| 2.3.2.4 风险测度和η的关系 |
| 2.3.3 仿真结果及分析 |
| 2.4 实例分析 |
| 2.5 小结 |
| 第3章 模糊聚类分析在赤潮数据资料分类中的应用 |
| 3.1 模糊集 |
| 3.1.1 模糊关系 |
| 3.1.2 模糊子集与隶属函数 |
| 3.2 模糊聚类分析 |
| 3.2.1 聚类分析概述 |
| 3.2.2 基于目标函数的聚类分析 |
| 3.2.2.1 相关概念 |
| 3.2.2.2 模糊划分准则 |
| 3.2.2.3 模糊c均值聚类算法 |
| 3.3 模糊加权FCM算法 |
| 3.3.1 数据规范化 |
| 3.3.2 加权系数 |
| 3.3.3 算法实现步骤 |
| 3.3.4 仿真实验 |
| 3.4 实例分析 |
| 3.4.1 赤潮生消过程 |
| 3.4.2 FWFCM算法在赤潮过程辨识中的应用 |
| 3.5 小结 |
| 第4章 基于小波网络的赤潮组合预测模型 |
| 4.1 小波神经网络 |
| 4.1.1 人工神经网络 |
| 4.1.2 小波网络的研究现状 |
| 4.1.3 小波网络的组成结构 |
| 4.1.4 小波网络模型 |
| 4.1.5 小波网络学习算法 |
| 4.2 主元分析 |
| 4.3 赤潮藻类密度组合预测模型 |
| 4.3.1 模型组成 |
| 4.3.1.1 数据降维 |
| 4.3.1.2 数据聚类 |
| 4.3.1.3 模型训练和预测 |
| 4.3.2 模型特点 |
| 4.4 实验及结果分析 |
| 4.5 小结 |
| 第5章 赤潮知识发现平台架构 |
| 5.1 知识发现技术 |
| 5.1.1 知识发现的概述 |
| 5.1.2 知识发现基本过程 |
| 5.1.3 知识发现基本任务 |
| 5.1.4 知识发现软件发展现状 |
| 5.2 软件架构模型 |
| 5.3 赤潮知识发现平台模型 |
| 5.3.1 基本模型 |
| 5.3.2 基本对象 |
| 5.3.3 模型的特点 |
| 5.4 赤潮知识发现平台设计方案 |
| 5.4.1 知识发现服务组件库 |
| 5.4.2 知识发现可视化编程工具 |
| 5.4.2.1 KDVPS基本组成 |
| 5.4.2.2 KDVPS基本工作流程 |
| 5.5 小结 |
| 第6章 总结与展望 |
| 6.1 主要创新点与结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间取得的科研成果 |
| 1 完成的主要论文 |
| 2 取得的软件着作权 |
| 3 获奖项目 |
| 4 承担的科研课题 |
| 学位论文评阅及答辩情况表 |
四、基于小波网络的非线性组合预测方法研究（论文参考文献）
- [1]基于IOWA算子的组合预测模型研究及其在股指期货分析中的应用[D]. 杨玉婷. 北京交通大学, 2020(04)
- [2]广西大石山区干旱风险管理研究[D]. 康永辉. 西安理工大学, 2014(01)
- [3]基于小波网络的大坝非线性组合预测模型[J]. 刘红萍,李波,张史宏. 水电能源科学, 2010(11)
- [4]污水处理过程数学模型方法及其关键技术研究[D]. 韦安磊. 湖南大学, 2010(07)
- [5]人工神经网络交通流预测算法研究 ——结合粒子群、小波和混沌的方法[D]. 徐树安. 广西工学院, 2010(05)
- [6]小波网络及组合预测在赤潮灾害智能预警系统中的应用研究[D]. 钱振松. 山东大学, 2010(08)
- [7]小波网络在经济预测中的应用[D]. 李萍. 浙江大学, 2010(03)
- [8]宁夏引黄灌区退水量影响因素及预测方法研究[D]. 朱涛. 西安理工大学, 2010(11)
- [9]知识发现技术在赤潮分析预测中的应用研究[D]. 姬鹏. 山东大学, 2009(04)
- [10]小波神经网络在软基沉降组合预测中的应用[J]. 田其煌. 工程勘察, 2008(05)