一、正交尺度小波网络及在非线性经济系统预测中的应用（论文文献综述）
涂雄苓[1]（2017）在《时间序列经济计量分析中的小波技术及其应用》文中认为时间序列计量分析源于人们认识到人类的经济活动均是在一定的时空条件下进行的,并受社会、经济、文化等因素的共同影响,从而使外在的经济现象在时间维度上通常会呈现出前后相关的特征。如何科学地刻画或逼近经济现象在时间维度上的这类动态关系或规律,并建立模型以满足经济预测与决策等其他管理实践的需要,构成时间序列经济计量的核心目标。自1970年《Time series analysis: Forecasting and control》出版以来,时间序列经济计量分析的理论与应用研究都有长足的发展。特别值得关注的是,诸如非平稳的单位根过程、协整过程、异质性及随机异方差模型等的一些理论自20世纪80年代初不断兴起,在很大程度上改变了传统时间序列经济计量学的理论与方法。平稳时间序列不再是经济计量学研究的唯一对象,非平稳时间序列也不再是不可涉足的领域,特别是其中的I（1）和I（2）过程与协整过程已成为研究的主要对象,它们已经在经济和金融领域得到广泛的应用。然而,目前绝大多数时间序列经济计量分析都是在时域内展开的,其中包括计量模型的构建、估计、检验。此外,时域分析与频域分析似乎被割离开来,分别在两条轨道上独立发展,通常两域内分析所获得的阶段性结果并未有机结合起来,从而大大削减了结果的完整性。实际上现已证明,在频域内也能构造出许多有价值的统计量,用于经济计量模型的估计或检验,并且有时具备较时域分析更好的统计性质。小波分析作为一门新兴的数学理论和方法,它在时域和频域上均具有良好的分辨。它的应用能使时间序列分析在时域和频域都达到了良好的局部化效果,为洞察时间序列的动态提供了一个全新的视角与工具。本论文在深度把握小波分析、时间序列分析理论和总结前人研究经验的基础上,综合运用统计学、概率论与数理统计、和金融计量学等学科的相关知识,将小波分析在时域两域的分析优势嵌入现有的时间序列分析理论中,拓展和丰富非平稳时间序列分析方法的理论研究和应用研究。具体来说,本文的贡献主要包括以下三个大的方面:（1）单位根检验的方法论方面。首先,在敏锐察觉原序列的样本方差与其小波系数系列、尺度系数系列的样本方差之间耦合机制在原假设（存在单位根）与备择假设（不存在单位根）下存在差异的基础上,在小波域内构造了一个新的检验统计量TXL1,用于检验带漂移项的单位根过程,在检验统计量的构造策略与检验对象范围拓展了 Fan和Gencay（2010）的检验方法。其次,对检验统计量TXL1在原假设和备择假设下的大样本性质进行了完全的证明,结果表明检验统计量TXL1在原假设下,其极限分布收敛到两个独立标准维纳过程的随机泛函,而在在备择假设下检验统计量TXL1依概率收敛到质点O,这一优良的性质对保障检验统计量TXL1具有高检验势非常有益。另外,考虑到应用实践中仅能掌握有限样本的数据资料的现实情况,通过Monte Carlo实验研究了检验统计量TXL1在有限样本条件下的检验势与检验水平。Monte Carlo实验结果显示检验统计量TXL1在有限样本条件下虽出现一定的检验水平扭曲,但具有极高的检验势。最后,在构造检验统计量和证明其大样本性质的过程中,以2个新的引理的形式拓展了随机游走的其它收敛性质,并给予详细的证明,这些性质对非平稳时间序列的其它研究具有潜在的价值。（2）协整检验的方法论方面。首先,充分论证了若要在EG两步法的框架下进行小波域协整检验,那么潜在协整模型的初始估计时应考虑含截距项的回归模型,而对残差平稳性检验时应考虑不带漂移项的随机游走的自回归模型。然后,为了实现小波域协整检验,开发了一个用于检验不带漂移项的单位根检验的统计量TXL1;,同时推导了其大样本性质。其次,借鉴Dickey and Fuller （1979）和Phillips和Perron （1988）的直接模拟法策略,通过大量的随机模拟给出了检验统计量TXL1应用于伪协整回归时检验时的临界值。另外,设计了 6个随机试验,研究检验统计量TXL1在协整检验时的具体表现,结果显示检验统计量TXL1的检验水平扭曲度低,以及样本容量超过500时其检验势较高的特点。最后,通过实际案例的研究,验证了检验统计量TXL1在协整检验的有效性,并为我国黄金市场与国际黄金市场存在长期均衡关系提供经验证据。（3）小波域隐马可夫模型及其应用方面。出于对以下事实的认识:股票市场中广泛具有短线投资者根据长线投资者的交易行为而执行相应交易的跟庄现象,长线和短线交易分别与不同的时间尺度相关联;经典的时间序列分析方法往往在单一时间尺度条件下展开,无法有效地探索不同时间尺度的股票交易行为间的内存关联。由此,本论文引入小波域隐马尔可夫树模型,以我国股市5分钟的高频交易数据为素材,研究了股市波动信息沿时间尺度流动的统计性质。结果表明波动信息在传导过程中表现出如下显着的非对称性:大尺度的低波动状态以大概率引发小尺度上的低波动状态,但大尺度的高波动状态只以相对小的概率诱发小尺度的高波动状态,并对这一结果的政策意义进行了的解释。
章文俊[2]（2014）在《小波神经网络算法及其船舶运动控制应用研究》文中研究表明小波神经网络结合了神经网络的自学习、自适应、鲁棒性、容错性和泛化推广能力以及小波变换的时频局部和变焦等特性,具有全局最优逼近和运算速度快等优点,避免了BP网络等传统的神经网络类型在这些方面的不足,已成功应用于系统辨识、模式识别和控制等领域。在实际应用中,小波神经网络尚存在对系统动态反映能力不足以及泛化能力难以保证等问题,制约了其在实际工程中的应用。为了提高小波神经网络的泛化能力,提出基于Akaike信息准则改进的余值选择算法。通过设定最优学习停止标准,在保证辨识精度的同时精简网络的规模,避免了神经网络在学习过程中出现的过拟和与欠拟合现象,提高了神经网络的泛化能力。作为小波神经网络的构造算法,余值选择算法通过正交选择方法高效地衡量了隐层节点对输出的贡献,有利于网络规模的自适应调整。仿真实验表明该算法提高了网络的泛化能力。为了更好地反映系统动态的变化,将系统历史信息引入网络输入层构造时滞小波神经网络模型,为弥补由此带来的输入变量膨胀的缺陷,利用基于相对贡献率的灵敏度分析方法确定与系统输出相关性强的变量作为输入,优化了输入层结构,解决了网络模型失配的问题,提高了网络对系统动态变化的反映能力。针对船舶海上运动非线性、大惯性和动态时变等特点,构建基于改进时滞小波神经网络的预测PID控制器。其中,利用小波神经网络进行船舶运动动态的在线辨识和预测,利用预测控制策略克服船舶运动的大惯性对控制效果的不利影响。基于该控制器进行了船舶航向跟踪控制的仿真实验,并与传统的PID控制器进行了对比研究,结果表明该控制系统具有较高的控制精度和较强的抗干扰能力。以上研究结果显示,改进的小波神经网络有针对性地提高了系统的动态反映能力和泛化能力,其运算快速性和非线性拟合能力适应船舶海上运动特点,在船舶运动控制领域有广阔的应用前景。
吴凤珍[3]（2013）在《基于GM（1,1）宏观经济预测及相关对比分析》文中认为本文基于灰色系统理论,运用相同的国内宏观经济数据,进行了GM（1,1）模型的构建和选择,并与正交尺度网络模型以及BP模型、小波神经网络模型等预测结果进行了对比研究,结果表明,本文所建立的GM（1,1）模型在有效性方面具有一定的优势。最后,本文运用GM（1,1）模型对我国未来5年国内生产总值的发展情况进行了预测,结果表明,在宏观经济环境不变的情况下,未来5年我国国内生产总值能够实现翻番。
赵红强[4]（2011）在《基于小波分析的我国经济运行特征研究》文中研究表明小波分析理论作为一门新兴的数学理论和方法,已经被应用到各个领域的研究之中。近年来,国内外的学者们把小波分析方法应用在经济学上,内容包括金融学的证券市场,股票分析,期货分析等方面,也包括宏观经济周期分析,经济政策分析,产业政策分析,经济增长规律分析,市场效率分析等。小波方法将经济时间序列由单纯的相域分析扩展到了相域与频域相结合的频域-相域分析,国外将小波分析应用于经济学始于20世纪80年代中期,我国关于小波分析在经济学的应用研究始于20世纪90年代,随即发展成了一种重要的经济分析工具,得到了许多有意义的分析结论。本文在借鉴了国内外关于小波在经济学中的应用研究的基础之上,结合我国经济自身发展特点,分析了我国宏观经济的周期波动,并对我国GDP缺口进行了分析模拟,用小波神经网络对我国股票市场进行了聚类分析,对我国期货市场建立了分形协整自回归模型,总之用小波分析对我国经济运行的特征进行了分析,并得到了一些有意义的结论。全文分为七章,具体结构安排与研究结论如下：第一章,小波方法在我国经济研究的意义,介绍了本文研究的主要内容。本文主要使用了小波方法,GARCH模型,ARFIMA模型,ARMA模型,及参数,半参数,非参数估计方法。对我国GDP波动,股票债券市场,期货市场,进行了研究。第二章,小波分析与经济理论的研究综述,首先回顾了国外用小波对经济进行研究的各种经济理论与实证检验；接着,回顾了我国国内经济领域中小波的应用分析,具体包括小波在经济周期中的应用,小波在证券市场中的应用,小波在期货市场中的应用；然后回顾了小波神经网络在我国国内经济研究中的相关理论方法和研究成果以及小波方法在我国其他经济领域中的应用。第三章,介绍了小波理论的基本原理。包括小波变换,小波重构,小波分析的优点,小波包变换,双正交多分辨小波分析,小波变换与长记忆过程分析,小波分解后的时间序列的性质,谱分析,小波方差分析,分形差分过程的小波极大似然估计,小波变换下方差齐次检验,基于小波的时间序列估计,样本方差采样性质,小波神经网络,小波混沌序列分析等,以及这些理论与经济分析的联系,研究现状等。第四章,用小波方法对我国国内生产总值进行了分析及模拟。使用了单小波变换,频谱分析,高斯频谱合成法,长记忆过程模拟等方法,结合经济序列的传统分析方法,GARCH模型等。结合小波方法与GSSM方法对美国GDP非周期波动成分进行了模拟。通过对我国GDP的小波分解分析,发现我国经济波动由三个周期构成,主要为四到八个季度的短周期波动及十六到三十二个季度的中长周期波动。对我国GDP序列进行了模拟分析,该分析结合了小波频谱高斯合成法与GARCH模型,此模型对短期的预测与对长期的预测精度一样,所以非常适合于长期预测,发现未来我国经济强劲增势不会减小。其次,用小波方法测量了我国的核心通货膨胀率,实证发现,该方法优于目前计算核心通货膨胀率的几种常用方法。第五章,对我国的股票市场和投资市场进行了研究。首先得到了我国股票市场中分尺度行为的证据,然后对我国股票市场上几支股票进行了长记忆性检验,发现上证指数符合几何布朗运动,而其他几支股票的长记忆参数也非常小,在选取的几支股票中,包钢稀土的长记忆参数最大,为我国股票波动的模拟提供了依据：其次使用小波对投资市场中的一些基金的收益率进行了平滑处理和阀值分析,并对选取的几种股票型基金建立了AR-GARCH模型,得到了我国投资市场基金收益率的波动原理,利用小波神经网络对我国股票市场的安全进行了研究,发现我国股票市场安全状况整体螺旋上升;还通过将小波神经网络方法与聚类方法结合,对股票市场中投资者的信心（市场情绪）对股票市场的影响进行了研究,发现市场的心理因素是决定市场波动的重要力量,并为投资者进行股票买卖提供了一种理论方法。第六章,用小波方法对我国商品期货市场进行了分析。发现我国期货市场上的金融数据的长记忆性是非常显着的,估计了我国期货市场的长记忆参数,还用马尔科夫区制转移模型检验长记忆过程,即估计高,低两种状态,估计交易量对价格的波动是否存在影响,便利收益是影响商品期货价格的主要因素。结合小波去除噪声的计算方法,用卡吗滤波二阶段模型分别估计1-2因素模型。第七章,介绍了最新的小波理论——提升小波理论,并用提升小波对我国GDP序列进行趋势和波动分解,结合实证发现提升小波比传统小波具有更大的灵活性和可选择性。本文的创新点有结合GSSM方法与GARCH （1,1）模型对我国GDP序列进行了分析与预测；基于小波方法提出了计算我国核心通货膨胀率的一种新方法；通过小波自组织神经网络发现了我国股票市场上投资者信心对股票市场波动的影响,并提出了风险-回报率分析的一种新的方法；使用ARFIMA模型对我国期货市场进行了分析,发现便利收益是期货市场价格变动的主要因素之一；用提升小波对我国宏观经济进行了分析。由于时间的限制以及作者自身水平的局限,本文的研究难免存在较多的不足与疏漏,敬请各位专家和同仁多批评指正。
冯雷,钟鑫[5]（2010）在《伊通盆地钻头优选技术研究》文中认为钻头与地层岩石和钻井参数的最佳配合是保证钻井顺利施工,提高钻井速度的前提。本文从不同类型钻头的破岩机理出发,根据伊通盆地已有钻探资料利用正交尺度小波网络函数法进行了钻头优选,得出了适合于该地区地层特性的最优钻头序列。现场实际钻井资料表明,采用该优选结果的全井平均机械钻速与2007年相比提高了13.4%,有利于加快该地区的勘探开发进度。
韩骏[6]（2010）在《小波熵与小波网络在多相流参数测量中的应用研究》文中认为两相流是诸多工业中经常遇到的现象,其流动规律研究具有重要的科学价值和广泛的工程应用价值,两相流的测量也成为国内外科技工作者争相探索的热点课题。层析成像技术和软测量技术的产生和发展为解决多相流系统的参数检测问题提供了一条新的思路和方法,受到了国内外研究者的广泛关注。小波熵能够揭示数据在时-频空间中能量分布信息和变化的特征参数,近年来在工程中得到了广泛的应用和研究。小波网络是小波分析理论与神经网络理论相结合的产物,也是近来应用和研究的一个热点。对于电阻层析成像（电阻截面测量）和软测量技术、小波熵和小波网络四方面的研究是本论文工作完成的基础。本论文从两相流参数测量方法与流动机理出发,在电阻层析成像系统的传感器测量原理基础上,完成了水平管气水两相流的小波熵的流型特征提取和流型识别;在基于V型内锥差压测量原理和小波网络理论全面研究的基础上,完成了水平管油水、气水两相流的质量流量软测量。本文研究中主要完成的工作有:1、在对已有国内外小波网络的研究成果基础上,系统地对小波网络进行了拓扑结构和分类研究,提出了一种新的小波网络结构-混合递归Elman小波网络,并推导了信号分类Elman小波网络和混合递归Elman小波网络的训练算法;2、在研究电阻层析成像系统的传感器用于两相流参数测量方法的基础上,提出了截面测量信息数据的三种数据序列组织方法,完成了水平管气水两相流截面测量信息在三种数据组织方式下的五种小波熵特征提取,并给出了分析结果和比较的结论,并结合Elman小波网络实现了水平管气水两相流的流型识别。3、在对V型内锥差压测量原理和小波网络全面研究的基础上,提出了具有较好泛化能力的质量流量测量模型,实现了基于小波网络模型的油水、气水两相流的质量流量软测量,并通过实验结果验证了模型的正确性。
李萍[7]（2010）在《小波网络在经济预测中的应用》文中指出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.
周辉仁,郑丕谔,任仙玲[8]（2009）在《最小二乘支持向量机的参数优选方法及应用》文中指出支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便,通过建立适当的性能指标,用遗传算法优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测并与其它方法的预测结果比较,结果证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.
艾池,卜志丹,赵万春,李强[9]（2008）在《用正交尺度小波网络方法预测固井质量》文中认为分析了固井质量预测系统的复杂性和正交尺度小波网络的优点,采用SAS系统对影响固井质量的众多因素进行了相关分析,通过正交尺度小波网络建立了固井质量预测模型。该模型以影响固井质量的主要因素地层压力系数、渗透率、井眼扩大率、井眼规则度、钻井液密度、水泥浆密度、套管居中度和顶替返速作为预测模型的输入参数,将固井质量定量化作为模型的输出。预测结果与实际检测结果的最大相对误差为6.87%,且计算速度快,大大节省时间,因此该模型具有较好的应用前景。
赵春秀,周辉仁,刘春霞[10]（2008）在《基于SA和Bootstrap的LS-SVM参数优选及应用》文中研究说明文章针对最小二乘支持向量机的特点,通过Bootstrap建立适当的性能指标,用模拟退火算法（SA）优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用。用最小二乘支持向量机对非线性经济系统进行预测的结果与神经网络预测的结果比较证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的。
二、正交尺度小波网络及在非线性经济系统预测中的应用（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、正交尺度小波网络及在非线性经济系统预测中的应用（论文提纲范文）
（1）时间序列经济计量分析中的小波技术及其应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| (1) 理论意义 |
| (2) 现实意义 |
| 1.2 经济计量分析中的小波分析研究综述 |
| 1.2.1 理论研究方面 |
| 1.2.2 实证研究方面 |
| 1.3 研究内容与研究目标 |
| 1.3.1 研究内容 |
| 1.3.2 研究目标 |
| 1.4 研究方法、组织结构和技术路线 |
| 1.4.1 研究方法 |
| 1.4.2 组织结构与技术路线 |
| 1.5 本文的创新点 |
| 第2章 小波与非平稳时间序列分析的理论预备 |
| 2.1 小波分析理论 |
| 2.1.1 小波函数 |
| 2.1.2 离散小波变换 |
| 2.1.3 极大重叠离散小波变换 |
| 2.1.4 小波方差 |
| 2.2 非平稳时间序列分析的基础理论 |
| 2.2.1 维纳过程 |
| 2.2.2 泛函中心极限定理 |
| 2.2.3 连续映射定理 |
| 第3章 小波域单位根检验 |
| 3.1 单位根过程概述 |
| 3.1.1 单位根过程的几种定义 |
| 3.1.2 区分单位根过程和(趋势)平稳过程的意义 |
| 3.2 单位根检验研究进展 |
| 3.3 小波域单位根过程的检验 |
| 3.3.1 Fan和Gencay (2010)方法 |
| (1) 检验策略的基本思想 |
| (2) 检验统计量的构造及其性质 |
| 3.3.2 Fan和Gencay (2010)方法的拓展 |
| (1) 检验对象与思想的延伸 |
| (2) 检验统计量的构造及大样本性质 |
| (3) 有限样本下检验表现的Monte Carlo仿真 |
| 3.4 本章引理、定理的证明 |
| 3.4.1 引理3.1的证明 |
| 3.4.2 引理3.2的证明 |
| 3.4.3 定理3.1的证明 |
| 3.5 本章小节 |
| 第4章 小波域协整检验 |
| 4.1 协整的思想与定义 |
| 4.2 线性协整的检验框架 |
| 4.3 协整检验的EG两步法与单位根检验的内在联系 |
| 4.4 小波域协整检验 |
| 4.4.1 检验模型设定与协整模型的初始估计 |
| 4.4.2 检验统计量的构建及其性质 |
| 4.4.3 协整检验功效与检验水平的Monte Carlo仿真 |
| 4.5 案例研究:我国黄金市场与国际市场的联动性 |
| 4.5.1 变量说明、数据来源与预处理 |
| 4.5.2 实证结果 |
| (1) 序列单整阶数的确定 |
| (2) 协整检验 |
| 4.5.3 实证结论与政策建议 |
| 4.6 本章小节 |
| 第5章 小波域马尔可夫模型及应用 |
| 5.1 背景与动机 |
| 5.2 马尔可夫链 |
| 5.2.1 定义与标记 |
| 5.2.2 平稳分布与可逆性 |
| 5.2.3 自相关函数 |
| 5.3 隐马尔可夫模型 |
| 5.3.1 定义与标记 |
| 5.3.2 边际分布 |
| (1) 单变量分布 |
| (2) 双变量分布 |
| 5.4 小波域隐马尔可夫模型 |
| 5.4.1 小波域模型的类型 |
| (1) 尺度内模型 |
| (2) 尺度间模型 |
| (3) 混合模型 |
| 5.4.2 小波域马尔可夫树模型 |
| (1) 参数估计 |
| (2) 训练算法 |
| 5.5 案例研究:我国股市波动跨时间尺度传导的非对称性 |
| 5.5.1 金融时间序列的小波系数统计特性 |
| 5.5.2 2-状态小波域隐马尔可夫模型的构建 |
| 5.5.3 参数估计 |
| 5.5.4 实证结果与分析 |
| (1) 数据来源与预处理 |
| (2) 沪市波动信息流动的非对称表现 |
| (3) 深市波动信息流动表现 |
| (4) 波动信息流动的非对称性的稳健性检验 |
| 5.5.5 实证结论与政策意义 |
| (1) 实证结论 |
| (2) 政策意义 |
| 5.6 本章小节 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 攻读博士学位期间的科研活动与成果 |
| 致谢 |
（2）小波神经网络算法及其船舶运动控制应用研究（论文提纲范文）
| 创新点摘要 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究的目的与意义 |
| 1.2 相关领域研究现状 |
| 1.2.1 波理论的发展综述 |
| 1.2.2 小波神经网络研究综述 |
| 1.2.3 船舶运动智能控制研究综述 |
| 1.3 论文结构安排 |
| 第2章 波神经网络原理与算法 |
| 2.1 小波分析 |
| 2.1.1 小波变换 |
| 2.2 小波神经网络 |
| 2.2.1 前馈神经网络 |
| 2.2.2 小波神经网络简介 |
| 2.2.3 小波神经网络结构 |
| 2.2.4 小波神经网络的学习算法 |
| 2.2.5 小波神经网络的发展及存在的问题 |
| 第3章 基于AIC准则的余值选择算法 |
| 3.1 余值选择算法 |
| 3.2 基于AIC最优停止准则的余值选择算法 |
| 3.3 基于AIC余值选择算法的船舶运动预测 |
| 3.3.1 基于AIC余值选择算法的船舶运动预测模型 |
| 3.3.2 基于实验数据的船舶运动预测仿真 |
| 3.3.3 基于实船运动数据的船舶运动预测仿真 |
| 3.4 本章小结 |
| 第4章 基于灵敏度分析的时滞小波神经网络 |
| 4.1 时滞小波神经网络 |
| 4.1.1 NARMAX预测模型 |
| 4.1.2 时滞小波神经网络的结构 |
| 4.2 基于灵敏度分析的时滞小波神经网络学习算法 |
| 4.2.1 时滞小波神经网络的学习算法 |
| 4.2.2 基于灵敏度分析的小波网络输入确定 |
| 4.3 基于灵敏度分析的船舶运动预测 |
| 4.3.1 Mariner型船运动预测仿真 |
| 4.3.2 基于实测数据的船舶运动预测仿真 |
| 4.4 本章小结 |
| 第5章 基于改进小波神经网络的船舶运动预测控制 |
| 5.1 船舶运动数学模型 |
| 5.1.1 船舶运动坐标系 |
| 5.1.2 船舶运动响应型数学模型 |
| 5.1.3 船舶运动整体型数学模型 |
| 5.1.4 船舶运动分离型数学模型 |
| 5.1.5 环境干扰的数学模型 |
| 5.2 基于小波神经网络的船舶运动预测PID控制算法 |
| 5.2.1 基于小波神经网络的船舶运动预测PID控制器结构 |
| 5.2.2 基于小波神经网络的船舶运动预测PID控制算法 |
| 5.3 基于小波神经网络的船舶运动预测PID控制仿真 |
| 5.4 本章小结 |
| 第6章 结论 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读学位期间公开发表论文 |
| 致谢 |
| 研究生履历 |
（3）基于GM（1,1）宏观经济预测及相关对比分析（论文提纲范文）
| 1 GM (1, 1) 模型群的建立及其选择 |
| 2 GM (1, 1) 模型与相关模型的对比 |
| 3 GM (1, 1) 模型下的我国未来5年宏观经济预测 |
（4）基于小波分析的我国经济运行特征研究（论文提纲范文）
| 论文摘要 |
| Abstract |
| 前言 |
| 第一章 绪论 |
| 1.1 写作背景及选题意义 |
| 1.2 研究内容与结构安排 |
| 1.3 研究的主要特点和创新之处 |
| 第二章 文献综述 |
| 2.1 引言 |
| 2.2 国外研究 |
| 2.3 国内研究 |
| 2.4 本章小结 |
| 第三章 小波分析和时间序列 |
| 3.1 小波分析理论 |
| 3.2 小波分析的优越点 |
| 3.3 小波变换方法 |
| 3.4 小波方差分析(ANOVA) |
| 3.5 小波变换和长记忆过程 |
| 3.6 分形差分过程的小波极大似然估计 |
| 3.7 基于小波的时间序列估计方法 |
| 3.8 小波神经网络理论 |
| 3.9 小波混沌序列分析 |
| 第四章 小波变换在我国经济周期分析中的应用 |
| 4.1 引言 |
| 4.2 频域模拟 |
| 4.3 宏观经济的预测 |
| 4.4 用小波方法测量我国的核心通货膨胀率 |
| 第五章 基于小波的股票市场投资行为和投资组合分配分析 |
| 5.1 引言 |
| 5.2 基于小波的股票市场投资行为分析 |
| 5.3 基于小波的投资组合分配分析 |
| 5.4 我国股票市场的安全预警 |
| 5.5 股票市场中投资者信心(市场情绪)的主要作用 |
| 第六章 基于小波的我国商品期货市场分析 |
| 6.1 商品期货数据的长记忆性检验 |
| 6.2 基于小波门限的期货价格结构模型 |
| 6.3 本章小结 |
| 第七章 基于提升小波的GDP序列分析 |
| 7.1 提升小波理论简介 |
| 7.2 我国GDP序列的趋势和波动分解 |
| 7.3 本章小结 |
| 结论 |
| 参考文献 |
| 作者简介及科研成果 |
| 后记 |
（6）小波熵与小波网络在多相流参数测量中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 第一章 绪论 |
| 1.1 多相流及流动参数测量 |
| 1.2 课题研究背景与现状 |
| 1.3 论文创新点与主要工作 |
| 1.3.1 论文创新点 |
| 1.3.2 论文组织结构 |
| 第二章 文献综述 |
| 2.1 两相流流型识别与质量流量测量 |
| 2.1.1 两相流流型识别 |
| 2.1.2 两相流质量流量测量 |
| 2.2 过程层析成像 |
| 2.2.1 过程层析成像敏感场特性及分类 |
| 2.2.2 过程层析成像系统的构成 |
| 2.2.3 过程层析成像技术在两相流测量中的应用 |
| 2.2.4 电阻层析成像（ERT）技术 |
| 2.3 V 型内锥流量计 |
| 2.3.1 V 型内锥流量计原理与特性 |
| 2.3.2 基于V 型内锥流量计的多相流测量原理 |
| 2.3.3 两相流差压测量模型 |
| 2.3.4 两相流差压测量模型的适用性分析 |
| 2.4 软测量技术及其在多相流测量中的应用 |
| 2.5 小结 |
| 第三章 小波分析与小波网络理论研究 |
| 3.1 小波分析概述 |
| 3.2 小波变换的定义与特点 |
| 3.3 小波运算 |
| 3.4 小波函数的类型与典型小波函数 |
| 3.5 小波包分析与小波框架理论 |
| 3.5.1 小波包分析 |
| 3.5.2 小波框架理论 |
| 3.6 人工神经网络 |
| 3.7 小波网络 |
| 3.7.1 小波网络概述 |
| 3.7.2 小波网络优缺点 |
| 3.8 小波网络的分类研究 |
| 3.9 小波网络拓扑结构研究 |
| 3.10 小波网络的训练算法概述 |
| 3.11 小波网络研究的其他方面 |
| 3.12 小结 |
| 第四章 基于ERT 与小波熵的流型特征提取 |
| 4.1 小波熵概述 |
| 4.2 小波能量与小波熵的定义 |
| 4.2.1 小波能量 |
| 4.2.2 小波熵 |
| 4.3 ERT 系统与水平管气液两相流流型测量 |
| 4.3.1 ERT 系统 |
| 4.3.2 基于ERT 系统的水平管气液两相流流型实验 |
| 4.3.3 基于ERT 系统的水平管气水两相流流型数据 |
| 4.4 ERT 测量数据的组织方式 |
| 4.5 小波熵的水平管气水两相流流型特征提取 |
| 4.5.4 基于测量截面的数据序列与小波熵的流型特征 |
| 4.5.5 基于激励电极的数据序列与小波熵的流型特征 |
| 4.5.6 基于测量电极的数据序列与小波熵的流型特征 |
| 4.6 小结 |
| 第五章 基于小波网络的两相流参数测量 |
| 5.1 基于小波熵特征与小波网络的流型识别 |
| 5.1.1 信号分类的Elman 小波网络及其训练算法 |
| 5.1.2 基于Elman 小波网络的两相流流型识别 |
| 5.2 基于小波网络模型的软测量技术 |
| 5.2.1 软测量中的数据预处理与后处理 |
| 5.2.2 小波网络软测量 |
| 5.2.3 前向小波网络模型 |
| 5.2.4 混合递归Elman 小波网络模型 |
| 5.3 基于小波网络模型的油水两相流质量流量测量 |
| 5.3.1 基于前向小波网络模型的测量 |
| 5.3.2 基于混合递归Elman 小波网络模型的测量 |
| 5.3.3 测量结果与分析 |
| 5.4 基于小波网络模型的气水两相流质量流量测量 |
| 5.4.1 基于前向小波网络模型的测量 |
| 5.4.2 基于混合递归Elman 小波网络模型的测量 |
| 5.4.3 测量结果与分析 |
| 5.5 小结 |
| 第六章 总结与建议 |
| 6.1 总结 |
| 6.2 建议 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（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）最小二乘支持向量机的参数优选方法及应用（论文提纲范文）
| 0 引 言 |
| 1 最小二乘支持向量机 |
| 2 γ和σ参数的遗传算法选择 |
| 2.1 验证性能指标 |
| 2.2 遗传算法设计 |
| 2.2.1 群体规模选择 |
| 2.2.2 适应度函数的设计 |
| 2.2.3 选择与复制 |
| 2.2.4 交叉与变异 |
| 3 应用和比较 |
| 3.1 国内生产总值经济预测模型 |
| 3.2 利用LS-SVM预测国内生产总值 |
| 3.3 比 较 |
| 4 结束语 |
四、正交尺度小波网络及在非线性经济系统预测中的应用（论文参考文献）
- [1]时间序列经济计量分析中的小波技术及其应用[D]. 涂雄苓. 江西财经大学, 2017(01)
- [2]小波神经网络算法及其船舶运动控制应用研究[D]. 章文俊. 大连海事大学, 2014(12)
- [3]基于GM（1,1）宏观经济预测及相关对比分析[J]. 吴凤珍. 中国商贸, 2013(13)
- [4]基于小波分析的我国经济运行特征研究[D]. 赵红强. 吉林大学, 2011(10)
- [5]伊通盆地钻头优选技术研究[J]. 冯雷,钟鑫. 内蒙古石油化工, 2010(15)
- [6]小波熵与小波网络在多相流参数测量中的应用研究[D]. 韩骏. 天津大学, 2010(07)
- [7]小波网络在经济预测中的应用[D]. 李萍. 浙江大学, 2010(03)
- [8]最小二乘支持向量机的参数优选方法及应用[J]. 周辉仁,郑丕谔,任仙玲. 系统工程学报, 2009(02)
- [9]用正交尺度小波网络方法预测固井质量[J]. 艾池,卜志丹,赵万春,李强. 石油钻探技术, 2008(06)
- [10]基于SA和Bootstrap的LS-SVM参数优选及应用[J]. 赵春秀,周辉仁,刘春霞. 统计与决策, 2008(15)