一、关于最小二乘法估计量性质的一个注记（论文文献综述）
马徐峰[1]（2021）在《基于深度学习的智能焊接技术研究》文中研究指明智能焊接技术在工业生产领域有广阔的应用前景,但当前还有许多问题亟待解决。比如,工业生产环境恶劣,极大地影响了焊缝识别的准确度,系统标定难度大,双目系统的特征匹配精度低,没有高效的焊接路径规划算法,焊接效率低。本文在对传统的焊接技术深入研究的基础上进行创新,改进了传统焊接技术的缺陷,提出了一种基于深度学习的智能焊接系统,对系统各部分进行标定后,对采集到的图像进行去噪处理,进而使用卷积神经网络识别焊缝,并结合双目校正、双目匹配、视差匹配得到焊缝三维坐标,最后对焊缝进行路径规划后控制机器人焊接。具体的工作内容如下:（1）整理归纳国内外智能的焊接技术,进行深入研究,分析每种技术的优缺点,并针对目前尚未解决的几个问题进行重点研究。（2）设计构建智能焊接系统,同时对相机内部模型、双目视觉模型、手眼关系模型、机械臂模型进行分析,计算各个模型中坐标系转换的关系,并据此给出具体的标定方法。为便于标定计算,本文设计了一款C++编写的自动标定软件,可实现单个相机标定、双目系统标定、手眼标定。（3）为提高后续智能识别的精度,对双目相机拍摄得到的图像进行去噪处理,经过对各种图像滤波算法的性能研究和实验分析验证,对比不同的图像滤波算法的去噪效果,最终采用非局部平均值去噪算法,强化焊缝的特征。（4）通过实验分析对比确定适合系统的卷积神经网络模型,对模型进行预训练,采集并制作训练样本和测试样本,用样本集训练并转换模型,将其部署到搭载边缘计算棒的树莓派上,最后将对训练好的模型进行实验测试检测性能。（5）通过双目校正使双目相机所有极线互相平行,并采用NCC算法进行特征匹配,使用边缘检测算法提取焊缝信息,并根据特定的匹配算法区分焊缝和干扰因素,得到焊缝在左右图像中的二维坐标,最后通过双目视差匹配算法计算焊缝的三维位置信息。（6）对传统蚁群算法进行改进,并将其应用于焊缝焊接路径规划,通过实验分析发现,改进后的蚁群算法对解决TSP问题和焊缝路径规划问题上都有了质的提升,规划的轨迹平均距离和最小距离均变小,且能更快找到最优路径。系统通过以太网传输给UR3机器人,并控制其进行智能焊接。
苏敬,何华锋[2]（2020）在《弹武器命中精度评估研究综述》文中研究指明命中精度是衡量导弹武器性能的一项重要指标,命中精度评估是当前导弹武器试验鉴定领域亟需开展研究的课题之一。文章叙述了命中精度评估的研究内容及研究框架;对导弹武器命中精度评估中误差源分析、误差分离及精度折合方法、验前信息融合、命中精度评定方法等研究内容进行综述;分析研究现状,指出下一步命中精度评估研究需要解决的问题,对开展新形势下导弹武器命中精度评估研究以及导弹武器装备的试验鉴定工作具有意义。
符昕悦[3]（2020）在《基于改进超额收益法的XX电器企业商誉价值评估研究》文中研究指明准确的评估商誉价值在如今竞争激烈的商业具有着重大意义。传统的商誉价值评估评估方法有两种:割差法和超额收益法,这两种方法是实际商誉评估中最常用的方法,但是都各自存在缺陷。割差法评估会涉及各项资产评估方法的不统一性,超额收益法在预测企业收益时存在主观因素等。公允的商誉价值能够使企业做出正确的经营决策,同时也能很好的衡量公司业绩。然而由于我国资产评估行业发展的晚熟,评估商誉价值仍然是当今资产评估行业的重大课题。合理的评估商誉价值不仅有理论意义,还有一定的现实意义。?合理评估商誉价值有利于并购双方的企业,被评估企业能够得到相对公允得价值补偿,而实施并购的企业也不用担心并购价格的不值当;?合理评估商誉价值有利于企业客观评估自身价值;?合理评估商誉价值可以优化市场经济环境。本文以XX电器企业商誉价值为例,先通过传统的超额收益法对其商誉价值进行评估,传统方法评估时运用最小二乘法对XX电器企业营业收入、家用电器行业营业收入等进行预测,同时用移动平均法对XX电器企业的各项成本与收入进行预测,从而得到净利润的预测值,再将其折现得到XX电器企业经过传统方法评估的商誉价值。接着对传统的超额收益法进行改进,通过杜邦分析分解公司的财务指标,运用灰色预测系列模型对这些指标进行预测,接着用马尔科夫链对这些预测值进行修正,最后用折现率对修正预测的超额收益进行折现,得到XX电器企业经过改进方法后得到的商誉价值。通过对比传统的超额收益法以及改进后的超额收益法,经过灰色理论改进后的超额收益法能在一定程度上避免传统方法预测超额收益时存在的主观因素,同时能够很好的遵循历史数据的性质,提高了对波动数据的模拟精度,从而实现较为公允的企业商誉价值评估。
张莹莹[4]（2019）在《黑龙江省粮食产量的分析及预测》文中研究指明本文通过主成分分析的方法与岭估计法得到影响黑龙江省1995年-2017年粮食产量的主要因素。又利用ARMA模型、GM（1,1）模型对黑龙江省1995年-2017年粮食产量及其比例进行了建模分析,按照其相对误差进行权重分配,使误差大的模型得到小的权重从而来构建整合模型,进行为期三年的预测,为黑龙江省粮食产量持续稳定增产提供一些理论上的依据。第一个主成分,主要由粮食单产、粮食作物播种面积、农业机械总动力、有效灌溉面积、农用化肥折纯施用量,水稻播种面积,玉米播种面积,即土地投入,资本投入,种植结构,技术结构。这些指标在第一主成分上的载荷均在71.661%,说明科技、农业资本以及种植结构是影响粮食产量的主要因素。第二个主成分,主要由农业从业人口、大豆播种面积、小麦播种面积,即劳动力投入,种植结构,这些指标在第二主成分的样本方差贡献率有16.254%,因此粮食的种植结构划分对粮食产量还是很有影响。通过主成分估计和岭估计得到的参数估计,得出影响黑龙江省粮食的主要因素是农用化肥折纯施用量,由此可知农用化肥折纯施用量对粮食产量的影响是起到很大的作用。利用1995年-2017年黑龙江省粮食产量及其比例数据,依据时间序列的ARMA模型理论与GM（1,1）广义双向差分的理论方法,以及对初始值进行改进的理论分别建立预测模型,依据相对误差原理,ARMA模型的相对误差要比GM（1,1）模型的相对误差要略小,再根据其整合后的模型对2018年-2020年黑龙江省粮食产量及其比例进行预测。通过本文的分析与预测,可知黑龙江省粮食产量在未来还有很大的进步空间。本文应用的统计学方法对粮食产量的预测及分析提拱了一些可以参考的理论依据。
陈艳红[5]（2018）在《一类非线性计量经济学模型的参数估计方法研究》文中进行了进一步梳理在经济研究领域中,绝大多数的样本数据不是基于可控实验获得的,而是经济系统正常运行过程中产生的,所以一个经济变量的变化通常不是由某一个原因变量单独变化导致的,往往是由多个因素共同作用的结果。人们经常想知道的是在其他因素不变的情况下,某个因素的变化与所研究经济变量之间的定量关系,并且研究者往往并不满足于知道两个经济变量间大致的比例关系,而是要知道两者间的更为精确的非线性关系。本文提出一种新的非线性估计方法,基于最小变差平方和准则建立定量研究两个经济变量之间因果关系的数学模型,将其他因素的变化对所研究经济变量的影响尽可能消除,同时尽量保留所选定的原因因素的作用。本文的核心是给出基于最小变差平方和的数学模型,对于最小变差平方和准则的合理性分别从经济意义和数学方法的特点予以说明,推导出模型的解满足的线性方程组。本文通过理想样本进行模拟分析验证理论结果的适用性,一方面,最小变差平方和的特点得到了说明;另一方面,验证了本文提出的最小变差平方和准则的有效性。本文通过理论研究和模拟分析,旨在为研究者提供新的非线性参数估计方法,利用最小变差平方和理论结合实际的经济学问题和模型推导出的线性方程组给出非线性部分的函数形式,为决策者提供有效的策略依据。
叶璟[6]（2018）在《基于区间灰数的灰色预测建模技术及应用研究》文中进行了进一步梳理随着社会的发展,大数据的概念被越来越多地提及。然而在纷繁复杂的海量数据中,有效信息常常十分有限,数据往往呈现“短期关联紧密有序,长期扰动大”的复杂特点,难以用单一实数值构成的长序列来表达。本文运用灰色系统理论,针对“少数据、贫信息”的不确定系统,以区间灰数为研究对象,从灰色生成技术、关联模型、预测模型等方面进行研究,并将模型方法应用于分析长三角地区区域交通拥堵这一复杂系统中。主要的研究工作及成果如下:（1）优化区间灰数序列的组合函数变换技术。针对单一函数变换方法调节度有限的问题,提出以正切函数或余切函数为主体的可调节组合函数变换方法,该方法能够提高区间灰数序列的光滑比,压缩级比,保证数据序列的“凸”特性。针对区间灰数序列递增或递减的不同趋势,运用该函数变换技术对区间灰数上下界序列或区间灰数核和测度序列建立区间灰数预测模型。（2）构建基于一般区间灰数的灰色预测模型。针对区间灰数中蕴含的灰度信息,建立了基于“灰度不减”公理的区间灰数预测模型,通过确定灰度因子在建模全过程中体现了“灰度不减”公理,修正了区间灰数序列上下界的预测值。针对区间灰数核和信息域序列形成的类系统行为序列和残差序列的特征,提出了基于残差的区间灰数预测模型,通过构建区间灰数核的预测模型并结合残差修正思想对区间灰数的信息域进行扩展,优化了预测精度,建模过程体现了“信息充分利用”原则。（3）建立基于中心点区间灰数的预测模型。针对具有中心点的区间灰数,通过提出上边界线与中心线所属梯形面积、下边界线与中心线所属梯形面积及上下边界线中位线等指标经过信息转换建立了非齐次灰色离散预测模型。并基于全局拟合数据误差最小化原则,优化了预测模型的初始条件,提高了模型的精度。（4）提出基于区间灰数的灰色综合关联预测模型。针对多变量区间灰数序列,考虑了不同区间灰数序列上下界间的灰数带面积差以及序列趋势斜率累积偏差,从序列间的相对数量和发展速度两方面表征了序列间的差异,并优化了关联度算法,改善了传统灰色关联度的分辨率。运用关联结果,建立多变量区间灰数预测模型预测系统主行为序列的未来趋势。（5）运用新构建的灰色建模技术对长江三角洲地区的区域交通拥堵度问题进行研究。首先介绍了长三角地区概况以及区域交通压力日益增大的现状。通过收集与区域交通拥堵度有关的指标,提取区域内最高水平和最低水平形成区间灰数的上下界序列。运用基于区间灰数的灰色生成技术、单变量灰色预测模型和多变量灰色综合关联预测模型,对交通拥堵程度上下界数据的关键因素进行识别并对未来交通拥堵程度进行预测。
周子博[7]（2018）在《基于累积法的灰色模型在桥梁施工监控上的研究》文中认为随着国家顶级战略“一带一路”的建设,为实现市场的深度融合和资源高效配置,使各个区域之间能够达到更大范围更深层次的经济合作,大力兴建路桥基建设施是必不可少的。在现代桥梁建设中,预应力混凝土连续梁桥因为其整体性能好,造价低,施工工艺成熟而被广泛运用。预应力混凝土连续梁桥一般采用悬臂浇筑法进行施工,为了使桥梁线形和结构受力满足设计要求,保证施工安全,桥梁施工监控是必不可少的。由于悬臂浇筑法施工较为复杂且影响因素繁多,导致梁体竖向位移无法通过结构计算准确的表达出来。因此在桥梁施工监控中需要建立数学模型对误差进行分析,找到误差规律,从而更准确地指导施工。灰色理论模型具有需要样本数据少,运算精确高等优点,且具有良好的兼容性,因此在桥梁施工监控的标高误差分析中被广泛应用。但是在对灰色理论模型的后续研究中发现,在采用最小二乘法对模型进行参数估计时,预测效果呈现不同程度的病态性。因此如何对灰色理论模型进行改进,增加其稳定性和预测精度,无论是在桥梁施工监控领域还是其他工程领域的应用,具有良好的工程意义和实践价值。本文针对桥梁施工监控中线形预测方法的改进进行研究,具体包括以下几个方面内容:（1）分析国内外在桥梁施工监控领域和灰色系统理论建模领域的研究成果,明确灰色理论模型在施工监控的应用中存在的主要问题以及改进空间。（2）对施工监控的目的和意义进行系统性的总结分析。针对预应力混凝土连续梁桥施工监控中的监控内容、结构计算方法、误差的控制等方面进行详细介绍。（3）针对误差分析模型在桥梁施工监控中标高预测中的应用,对GM（1,1）模型的参数估计方法和预测公式进行改进。将累积法的概念结合到GM（1,1）模型的参数估计中,由模型的定义型方程推算出模型的内涵型预测公式,替换原先GM（1,1）模型中的白化响应式,建立基于累积法的GM（1,1）模型。通过对参数估计中矩阵表达式的研究得出改进后模型的相关性质。（4）结合疏港大桥工程,在标高预测过程中,分别使用GM（1,1）模型、卡尔曼滤波法、结合累积法改进后的GM（1,1）模型三种预测方法进行误差分析,并与工程实际测量标高进行比对,分析三种方法的预测效果。为了使预测结果评价更加可信,笔者分别使用相对误差法和后验差法两种方式进行评测。相对误差检测法检测结果显示,GM（1,1）模型预测平均相对误差为0.0313%,卡尔曼滤波法预测平均相对误差为0.03%,基于累积法的GM（1,1）模型预测平均相对误差为0.0247%。检测结果表明经过改进的基于累积法的GM（1,1）模型的预测结果更加准确,较传统GM（1,1）模型预测精确度提升了 21%,较卡尔曼滤波法预测精确度提升了 17.6%。后验差检验法检测结果也表明了基于累积法的GM（1,1）模型预测效果最好。说明基于累积法改进后的GM（1,1）模型在桥梁施工监控中的线性误差分析过程中,具有更好的应用效果。
王大龙[8]（2017）在《转动拉曼绝对测温激光雷达信号检测及反演算法》文中研究表明大气温度是大气状态的重要参数之一,与太阳辐射、大气湿度、大气压力、海拔高度等密切相关,是大气物理、天气分析与预报及环境监测中一个重要的气象参数。转动拉曼激光雷达作为主动遥感探测大气温度重要手段之一,其正常的工作需要借助其他并行校准设备,从而制约了其在气象及环境监测领域中的实用化过程。因此,为了促进拉曼测温激光雷达在大气温度测量过程的实用化进程,提出了无需借助其他并行校准设备的转动拉曼激光雷达绝对探测方法,为大气温度的测量校准提供一种有效的探测途径。论文首先从大气分子散射原理出发,通过对拉曼散射测温原理深入分析的基础上,匹配出了适于替换大气分子后向转动拉曼散射截面强度的包络服从玻尔兹曼分布规律的瑞利函数,改善了利用多条（≥2）转动拉曼谱反演大气温度时运算效率不够高的缺陷,瑞利函数法所提取的转动拉曼谱线与玻尔兹曼分布函数法提取的拉曼谱型具有较好的一致性。其次,优化构建了以闪耀光栅和光纤布拉格光栅为核心的两级多路拉曼激光雷达分光系统,加工研制出了使氮气分子反斯托克斯偶量子数谱线间的间距与光纤阵列中光纤包层直径（125 μm）相匹配的线性光纤阵列。再次,为了消除和避免临近通道氮气分子和氧气分子拉曼谱线对所要提取的转动拉曼光谱信号的串扰,最终优化选择以J=6, 10,12, 16, 20, 22这六条谱线来反演大气温度廓线,并且通过一系列的实验观测探究分析,验证了所设计的用于提取转动拉曼光谱的线性光纤阵列的可行性,分析了光纤阵列的各种品质影响因素。最后,设计了与光纤阵列相匹配的多通道（≥2）的光电转换阵列,便于实现多路（≥2）光电信号的同步转换,为后续的数据采集及大气温度的反演做好铺垫。论文通过对转动拉曼绝对测温激光雷达系统中信号检测及反演算法的研究,为转动拉曼绝对测温激光雷达系统的全面搭建提供了一定的方法支持,也为转动拉曼大气温度激光遥感探测提供新的探测校准方法。
周一帆[9]（2017）在《改进的灰色预测模型及其在测绘数据处理中的应用》文中研究表明科学的预测是指在分析过去资料的基础上对未来发展变化趋势形成较为客观反映,科学的预测是预测的根本目的和主要任务。在现有的众多预测方法中,灰色预测模型以它建模需要的样本少、计算量小且适应性强等特点,已被广泛应用到各个领域。尽管灰色预测建模技术经过30多年的发展已取得了一些可喜的研究成果,但作为一门学科,其理论体系还有待于进一步丰富和完善,本文通过深入分析影响灰色预测模型精度的因素,对模型进行了改进和优化,其主要工作包括以下几个方面:（1）针对GM（1,1）模型初始条件的最优化问题,推导得出了一种新的最优初始条件求解算法,即把对最优初始条件选择问题转化为求最优的C值,经过两次运用最小二乘法求出满足误差平方和最小的C值,通过算例分析表明,文中的算法不仅有较高的精度,而且简单直观,运行效率高,更有利于程序实现。（2）针对灰色GM（1,1）模型参数估计采用最小二乘法抗差能力不强,以及原始数据含少量粗差时影响到累加生成的数据进而可能导致参数估计偏差较大,提出对原始数据直接应用具有较强稳健性的最小一乘来估计参数,将非线性的还原函数进行线性化后通过利用线性规划的思想来估计参数。实验结果表明,本文提出的算法具有较强的稳健性,更适合本身呈指数变化规律序列混入粗差时的参数估计。（3）通过分析GM（1,1）和PGM（1,1）模型在参数求解过程中构造的背景值的缺陷,对不同的时刻引入不同的加权背景值参数,同时结合灰色非线性模型和粒子权算法以进一步提高模型的预测精度,从而建立了基于粒子群算法和加权灰色组合的PSO-GM模型,通过理论分析和实例验证了新模型的可靠性和实用性。（4）构建了基于双变权缓冲算子的GM（1,1）模型,将变权弱化缓冲算子和基于加权的背景值相结合同时优化传统GM（1,1）模型,并将其应用到北斗卫星钟差短期预报,有效改善了传统GM（1,1）模型的预报精度,拓展了模型的适用范围。（5）针对传统多变量MGM（1,n）模型在参数求解中取累加值的紧邻均值作为背景值的缺陷,对相关联的每个点赋不同的权值构造背景值,并通过遗传算法寻优满足误差平方和最小的一组权值,算例结果表明优化的模型相比传统模型精度有较大的提高。
曾祥艳[10]（2016）在《灰色预测GM（1.1）模型的几种拓广模型研究》文中提出灰色模型适用于“少样本”、“贫信息”的不确定性系统,而基于统计理论或机器学习的许多经典预测模型：指数平滑模型、自回归移动平均模型、广义自回归条件异方差（3ARCH模型、人工神经网络ANN）、支持向量机（SVM）等,则需要大样本才能准确确定模型参数,所以灰色模型在工程技术、经济管理等领域得到广泛应用。GM（1,1）模型是灰模型的核心模型,本文首先将累积法引入此模型的参数估计,提高预测精度,又将模型的适用序列由精确数序列拓广到区间数序列,提出了几种拓广模型：累积法GM（1,1）模型、累积法非等间距GM（1,1）模型、基于序列转换的区间数序列GM（1,1）模型、基于参数转换的区间数序列GM（1,1）模型、基于马尔可夫与GM（1,1）模型的波动型区间数序列预测模型,主要研究工作如下：1.改进GM（1,1）模型的参数估计方法和预测公式。将累积法引入等间距与非等间距GM（1,1）模型的参数估计中,并直接由模型的定义型方程推得模型的内涵型预测公式,取代传统的白化响应式,建立了累积法GM（1,1）和累积法非等间距GM（1.1）模犁。进一步研究两个模型的性质,首先得出参数估计的矩阵表示式,可以反应参数估计与原始序列的直接关系,由此直接关系得出模型的相关性质。2.将区间数序列转换为含有等量信息的精确数序列,并保证其还原过程不会出现区间界点相对位置的错乱。对转换后的序列先建立灰色模型,再还原得区间数序列的预测。这样基于序列转换实现了GM（1,1）模型对二元、三元区间数序列的预测。3.改进GM（1,1）模型的定义型方程的参数取值形式。将发展系数取为区间数各界点序列的发展系数的加权均值,记为整体发展系数,将灰色作用量取为与原始序列同型的区间数。先确定整体发展系数后,再修正灰作用量。此方法不需要将区间数序列转换为精确教序列.存实质上将GM（1.1、模型的适用序列拓广到二元及三元区间数序列,从而提出了二元、三元区间数GM（1,1）模型BIGM（1,1）刁TIGM（1,1））。4.引入马尔可夫链预测方法,对BIGM(1,1的预测结果进行修正,并结合前面序列转换的方法,保证修正过程中区间数各界点的相对位置,实现了波动型二元区间教序列的预测.讲一弗拓广了灰模型的适用范围。
二、关于最小二乘法估计量性质的一个注记（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、关于最小二乘法估计量性质的一个注记（论文提纲范文）
（1）基于深度学习的智能焊接技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 论文研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 焊缝跟踪技术的国内外研究现状 |
| 1.2.2 双目立体视觉国内外研究现状 |
| 1.2.3 目标识别国内外研究现状 |
| 1.3 本文研究内容与章节安排 |
| 第2章 系统搭建与整体标定 |
| 2.1 系统坐标系建立 |
| 2.2 系统模型建立 |
| 2.2.1 相机模型 |
| 2.2.2 双目视觉模型 |
| 2.2.3 手眼关系模型 |
| 2.2.4 机械臂模型 |
| 2.3 模型标定与坐标转换 |
| 2.3.1 单个相机标定 |
| 2.3.2 双目系统标定 |
| 2.3.3 焊枪位置标定 |
| 2.3.4 手眼关系标定 |
| 2.4 系统标定结果测试与分析 |
| 2.5 本章小结 |
| 第3章 焊接图像检测前预处理 |
| 3.1 图像去噪原理 |
| 3.2 常见噪声及对应去噪算法 |
| 3.2.1 常见的噪声模型 |
| 3.2.2 图像滤波去噪算法 |
| 3.3 空间滤波实验分析 |
| 3.4 本章小结 |
| 第4章 基于卷积神经网络的焊缝识别与检测 |
| 4.1 卷积神经网络概述 |
| 4.1.1 神经网络 |
| 4.1.2 卷积层 |
| 4.1.3 池化层 |
| 4.1.4 全连接层 |
| 4.2 基于卷积神经网络的目标识别与检测算法 |
| 4.3 模型训练与部署 |
| 4.3.1 硬件介绍 |
| 4.3.2 训练样本准备 |
| 4.3.3 训练模型 |
| 4.3.4 模型转换与部署 |
| 4.3.5 焊缝识别实验测试 |
| 4.4 本章小结 |
| 第5章 通过特征匹配计算深度信息控制机器人焊接 |
| 5.1 双目校正与特征匹配 |
| 5.1.1 双目校正 |
| 5.1.2 特征匹配 |
| 5.2 双目视差匹配与深度计算 |
| 5.2.1 焊缝位置提取 |
| 5.2.2 焊缝深度信息计算 |
| 5.3 控制机器人焊接 |
| 5.3.1 焊接路径规划 |
| 5.3.2 蚁群算法改进 |
| 5.3.3 护栏焊接轨迹规划实验分析 |
| 5.3.4 控制UR3机器人焊接 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 作者简介 |
| 攻读硕士学位期间主要的研究成果 |
（2）弹武器命中精度评估研究综述（论文提纲范文）
| 1 评估指标及研究体系 |
| 1.1 评估指标 |
| 1.2 研究内容体系框架 |
| 2 导弹武器命中精度评估研究内容 |
| 2.1 误差源分析 |
| 2.2 制导工具误差分离方法 |
| 1)基于支持向量机方法 |
| 2)基于进化策略方法 |
| 3)基于主成分改进方法 |
| 2.3 弹道精度折合 |
| 2.4 多源验前信息融合 |
| 2.5 导弹武器命中精度评定方法 |
| 2.5.1 命中精度的自助评定方法 |
| 2.5.2 命中精度评定的Bayes方法 |
| 2.5.3 基于序贯分析的命中精度评定方法 |
| 3 研究展望 |
| 4 结论 |
（3）基于改进超额收益法的XX电器企业商誉价值评估研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 选题意义 |
| 1.3 文献综述 |
| 1.4 研究设计 |
| 2 商誉价值评估的理论基础 |
| 2.1 商誉价值评估的理论及其价值评估的作用 |
| 2.2 商誉价值评估传统方法的比较分析 |
| 2.3 相应模型评估原理及适应性分析 |
| 3 XX电器企业关于价值评估基本情况说明 |
| 3.1 家用电器行业相关情况分析 |
| 3.2 XX电器企业基本信息分析 |
| 3.3 XX电器商誉价值评估基准日等相关评估事项说明 |
| 3.4 XX电器商誉价值评估方法选择 |
| 4 基于传统超额收益法评估XX电器企业商誉价值 |
| 4.1 确定XX电器企业超额收益的期限 |
| 4.2 XX电器企业营业收入预测 |
| 4.3 XX电器企业净利润预测 |
| 4.4 XX电器企业超额收益预测 |
| 4.5 XX电器企业商誉价值评估结果 |
| 5 基于改进超额收益法评估XX电器企业商誉价值 |
| 5.1 基于杜邦分析法分析收益的相关财务指标 |
| 5.2 XX电器企业相关收益数据的收集以及预测 |
| 5.3 家用电器行业相关收益数据的收集以及预测 |
| 5.4 XX电器企业超额收益预测 |
| 5.5 XX电器企业商誉价值评估结果 |
| 5.6 XX电器企业商誉价值评估结果合理性分析 |
| 6 结论与展望 |
| 6.1 商誉价值评估总结 |
| 6.2 本文的创新点 |
| 6.3 商誉价值评估建议 |
| 6.4 研究展望 |
| 参考文献 |
| 作者简介 |
| 学位论文数据集 |
（4）黑龙江省粮食产量的分析及预测（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景 |
| 1.2 国内外文献综述 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 研究的目的与意义 |
| 1.3.1 研究的目的 |
| 1.3.2 研究的意义 |
| 1.4 研究的主要内容与方法 |
| 1.4.1 研究的主要内容 |
| 1.4.2 研究的主要方法 |
| 1.4.3 本研究主要数据来源 |
| 2 基于主成分与岭估计的多元统计分析 |
| 2.1 应用的的方法 |
| 2.1.1 相关性分析 |
| 2.1.2 主成分定义 |
| 2.1.3 主成分分析的步骤 |
| 2.2 影响因素分析 |
| 2.3 黑龙江省粮食产量主成分实证分析 |
| 2.4 岭估计 |
| 2.4.1 岭估计定义 |
| 2.4.2 线性回归模型的典则形式 |
| 2.4.3 岭估计性质与优良性 |
| 2.4.4 岭参数K选取的几种常用方法 |
| 2.4.5 黑龙江省粮食产量的岭估计实证分析 |
| 2.5 本章小结 |
| 3 时间序列的基本理论与模型 |
| 3.1 时间序列理论分析 |
| 3.1.1 时间序列定义 |
| 3.1.2 时间序列特征 |
| 3.2 时间序列结构分析 |
| 3.2.1 自回归模型(AR) |
| 3.2.2 滑动平均模型(MA) |
| 3.2.3 自回归滑动平均模型(ARMA) |
| 3.2.4 差分整合移动平均自回归模型(ARIMA) |
| 3.3 时间序列建模步骤 |
| 3.3.1 数据平稳性检测 |
| 3.3.2 模型识别 |
| 3.3.3 模型的参数估计 |
| 3.3.4 模型的校验 |
| 3.3.5 模型的预测 |
| 3.4 黑龙江省粮食产量及比例模型建立与预测 |
| 3.4.1 黑龙江省粮食产量模型建立过程 |
| 3.4.2 黑龙江省粮食产量占东北三省的粮食产量比例模型建立、检验及预测 |
| 3.4.3 黑龙江省粮食产量占全国粮食产量比例模型建立、检验及预测 |
| 3.5 本章小结 |
| 4 灰色GM(n,h)模型 |
| 4.1 GM(n,h)模型定义 |
| 4.2 GM(1,1)模型参数双向差分最小二乘估计 |
| 4.3 GM(1,1)模型初始预测值加权修正 |
| 4.3.1 GM(1,1)模型初始预测值加权平均法 |
| 4.4 黑龙江粮食产量及比例建模与预测 |
| 4.4.1 黑龙江省粮食产量模型的建立 |
| 4.4.2 黑龙江省粮食产量占东北三省粮食产量的比例模型的建立 |
| 4.4.3 黑龙江省粮食产量占全国粮食产量的比例模型的建立 |
| 4.5 本章小结 |
| 5 时间序列模型和灰色模型整合与应用 |
| 5.1 模型的整合 |
| 5.2 整合模型对黑龙江省粮食产量及比例的预测 |
| 5.2.1 黑龙江省粮食产量预测 |
| 5.2.2 黑龙江省粮食产量占东北三省粮食产量比例预测 |
| 5.2.3 黑龙江省粮食产量占全国粮食产量比例预测 |
| 5.3 本章小结 |
| 6 结论 |
| 6.1 主要结论 |
| 6.2 对策及建议 |
| 6.2.1 黑龙江省粮食产量增产 |
| 6.2.2 统计方法应用角度 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
| 附件 |
（5）一类非线性计量经济学模型的参数估计方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源及研究的背景和意义 |
| 1.1.1 课题来源 |
| 1.1.2 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 研究现状评析 |
| 1.3 本文主要研究内容 |
| 1.4 本文研究方案 |
| 第2章 非线性计量经济学模型概述 |
| 2.1 非线性计量经济学模型含义及其一般形式 |
| 2.2 非线性关系的处理 |
| 2.2.1 线性化回归方法 |
| 2.2.2 线性化变换类型 |
| 2.3 非线性计量经济模型的估计方法 |
| 2.3.1 非线性最小二乘法(NLS) |
| 2.3.2 非线性计量模型的极大似然估计法 |
| 2.3.3 高斯-牛顿迭代法 |
| 2.4 本章总结 |
| 第3章 一类特殊的非线性计量经济学模型及其求解设想 |
| 3.1 一类特殊的非线性计量经济学模型形式及基本假设 |
| 3.1.1 非线性计量经济学模型形式 |
| 3.1.2 非线性计量经济学模型的基本假设 |
| 3.2 模型设定的误差及其含义 |
| 3.2.1 模型设定的误差 |
| 3.2.2 函数形式设定误差 |
| 3.2.3 模型设定误差的检验 |
| 3.3 未知函数的若干备选方案 |
| 3.3.1 线性函数 |
| 3.3.2 指数函数 |
| 3.3.3 幂指数函数 |
| 3.3.4 二次函数 |
| 3.3.5 对数函数 |
| 3.3.6 多项式函数 |
| 3.3.7 倒U曲线函数 |
| 3.3.8 分段函数 |
| 3.3.9 Sigmoid函数 |
| 3.4 求解一类特殊的非线性函数模型的设想 |
| 3.5 本章小结 |
| 第4章 用最小变差平方和原理估计模型参数的数学公式 |
| 4.1 一元函数总变差和变差平方和的含义 |
| 4.2 合理的非线性函数关系的特征 |
| 4.3 基于最小变差平方和准则的数学模型 |
| 4.4 初步估计控制变量的系数 |
| 4.5 最小变差平方和原理合理性分析及其应用步骤 |
| 4.5.1 最小变差平方和的合理性分析 |
| 4.5.2 最小变差平方和分析法模型应用的步骤 |
| 4.6 制作散点图和设定非线性函数的模型 |
| 4.6.1 散点图的制作 |
| 4.6.2 设定非线性函数模型的形式 |
| 4.7 参数估计方法 |
| 4.7.1 用已得到的控制变量的系数直接对参数进行估计 |
| 4.7.2 重新对所有参数进行估计 |
| 4.8 本章小结 |
| 第5章 用理想样本考察最小变差平方和方法的适用性 |
| 5.1 理想样本的构造方法 |
| 5.2 原始数据与排序后的数据 |
| 5.3 理想模型的若干形式 |
| 5.3.1 理想模型1 |
| 5.3.2 理想模型2 |
| 5.3.3 理想模型3 |
| 5.3.4 理想模型4 |
| 5.3.5 理想模型5 |
| 5.4 本章小结 |
| 第6章 最小变差平方和方法的实证分析 |
| 6.1 实际经济例子 |
| 6.2 原始数据收集 |
| 6.3 数据处理 |
| 6.3.1 直接用最小二乘法进行参数估计 |
| 6.3.2 用最小变差平方和原理进行参数估计 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（6）基于区间灰数的灰色预测建模技术及应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状 |
| 1.2.1 灰色生成技术的研究现状 |
| 1.2.2 灰色预测模型的研究现状 |
| 1.2.3 灰色关联理论的研究现状 |
| 1.2.4 区间灰数建模技术的研究现状 |
| 1.2.5 交通拥堵问题的研究现状 |
| 1.2.6 研究述评 |
| 1.3 研究内容和创新点 |
| 1.3.1 研究内容 |
| 1.3.2 创新点 |
| 1.4 研究方法和技术路线 |
| 第二章 基于组合函数变换的区间灰数预测模型研究 |
| 2.1 组合函数变换的构建 |
| 2.1.1 基本理论 |
| 2.1.2 组合函数变换 |
| 2.1.3 最优调节系数q的确定 |
| 2.1.4 组合函数变换的性质 |
| 2.2 基于区间灰数的预测模型 |
| 2.2.1 GM(1,1)模型 |
| 2.2.2 基于区间灰数的GM(1,1)模型 |
| 2.3 基于区间灰数函数变换的预测模型研究 |
| 2.3.1 基于区间灰数递增序列的函数变换预测模型研究 |
| 2.3.2 基于区间灰数递减序列的函数变换预测模型研究 |
| 2.4 算例及实例分析 |
| 2.4.1 基于递增区间灰数序列的实例分析 |
| 2.4.2 基于递减区间灰数序列的实例分析 |
| 2.5 本章小结 |
| 第三章 基于一般区间灰数的预测模型研究 |
| 3.1 基于“灰度不减”公理的区间灰数预测模型 |
| 3.1.1 基本概念 |
| 3.1.2 基于“灰度不减”公理的区间灰数GM(1,1)模型 |
| 3.1.3 实例分析 |
| 3.2 区间灰数残差GM模型 |
| 3.2.1 残差GM(1,1)模型 |
| 3.2.2 区间灰数残差GM(1,1)模型的构建 |
| 3.2.3 实例 |
| 3.3 本章小结 |
| 第四章 基于中心点区间灰数的灰色预测模型研究 |
| 4.1 基于中心点的区间灰数信息提取 |
| 4.2 基于中心点区间灰数序列灰色离散预测模型的构建 |
| 4.2.1 传统灰色离散预测模型 |
| 4.2.2 基于中心点区间灰数的灰色离散预测模型 |
| 4.3 基于中心点区间灰数序列灰色离散预测模型的初始条件优化 |
| 4.3.1 传统灰色离散预测模型的初始条件优化 |
| 4.3.2 基于中心点区间灰数序列初始条件优化的离散预测模型 |
| 4.4 实例分析 |
| 4.5 本章小结 |
| 第五章 基于多变量区间灰数的关联预测模型研究 |
| 5.1 传统相对灰色关联度 |
| 5.2 基于面积和斜率差的区间灰数综合关联模型 |
| 5.2.1 基于面积差异的新型灰色关联度 |
| 5.2.2 基于斜率偏差的新型灰色关联度 |
| 5.3 基于面积和斜率差的区间灰数综合关联度的性质 |
| 5.4 基于多变量区间灰数关联预测模型 |
| 5.4.1 传统灰色多变量预测模型 |
| 5.4.2 基于多变量区间灰数关联预测模型的建模步骤 |
| 5.5 本章小结 |
| 第六章 长三角地区区域交通拥堵度的预测研究 |
| 6.1 长三角地区概况 |
| 6.1.1 行政规划及区域经济发展概况 |
| 6.1.2 公路交通概况 |
| 6.2 区域交通拥堵度相关数据收集 |
| 6.3 长三角地区区域交通拥堵度分析 |
| 6.4 改善长江三角洲地区区域交通拥堵状况的对策建议 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（7）基于累积法的灰色模型在桥梁施工监控上的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景和意义 |
| 1.2 桥梁施工监控及控制理论国内外发展现状 |
| 1.2.1 桥梁施工监控的发展概况 |
| 1.2.2 灰色系统理论的发展概况 |
| 1.3 论文研究内容 |
| 1.4 研究技术路线 |
| 第二章 连续梁桥施工监控的内容及方法 |
| 2.1 施工监控的目的及意义 |
| 2.2 连续梁桥施工监控的方法 |
| 2.2.1 开环控制法 |
| 2.2.2 闭环控制方法 |
| 2.2.3 自适应控制法 |
| 2.3 桥梁施工监控的主要内容 |
| 2.3.1 连续梁桥的挠度监控 |
| 2.3.2 连续梁桥的应力监控 |
| 2.4 悬臂施工法的预应力混凝土连续梁桥施工控制 |
| 2.4.1 结构模拟分析 |
| 2.4.2 挂篮试验计算 |
| 2.4.3 施工监测与误差分析 |
| 2.4.4 施工监误差因素分析与调整 |
| 2.5 本章小结 |
| 第三章 基于累积法的GM(1,1)模型的改进 |
| 3.1 灰色系统理论 |
| 3.1.1 灰色理论系统的概念及特征 |
| 3.1.2 灰色理论系统的研究内容 |
| 3.1.3 灰色序列 |
| 3.1.4 灰色模型的特性及建模原理 |
| 3.2 GM(1,1)模型 |
| 3.2.1 GM(1,1)模型的建模过程 |
| 3.2.2 GM(1,1)模型的应用条件 |
| 3.2.3 GM(1,1)模型精度检验 |
| 3.2.4 GM(1,1)模型性质的分析 |
| 3.3 累积法 |
| 3.3.1 累积和的概念及计算通式 |
| 3.3.2 累积法的参数估计过程 |
| 3.3.3 累积法的性质分析及几何意义 |
| 3.4 基于累积法的GM(1,1)模型的建立 |
| 3.4.1 基于累积法的GM(1,1)模型的参数估计 |
| 3.4.2 基于累积法的GM(1,1)模型的预测公式 |
| 3.4.3 基于累积法的GM(1,1)模型参数估计的矩阵表达式 |
| 3.4.4 基于累积法的GM(1,1)模型性质的研究 |
| 3.5 本章小结 |
| 第四章 基于累积法的GM(1,1)模型在桥梁施工监控上的应用 |
| 4.1 工程概况 |
| 4.1.1 结构概况 |
| 4.1.2 技术概况 |
| 4.2 主要测试内容 |
| 4.3 计算模型的建立 |
| 4.4 预测模型在桥梁施工监控上的应用 |
| 4.4.1 传统GM(1,1)模型在工程上的预测 |
| 4.4.2 卡尔曼滤波法在工程上的预测 |
| 4.4.3 基于累积法的GM(1,1)模型在工程上的预测 |
| 4.5 模型精度检验 |
| 4.5.1 相对误差法检验 |
| 4.5.2 后验差法检验 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间发表的学术论文 |
| 致谢 |
（8）转动拉曼绝对测温激光雷达信号检测及反演算法（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.3 论文主要工作及研究内容 |
| 2 转动拉曼激光雷达测量大气温度的原理 |
| 2.1 引言 |
| 2.2 大气散射效应 |
| 2.2.1 瑞利散射 |
| 2.2.2 米散射 |
| 2.2.3 拉曼散射 |
| 2.3 转动拉曼激光雷达测温原理 |
| 2.3.1 激光雷达方程 |
| 2.3.2 纯转动拉曼光谱测温原理 |
| 2.3.3 绝对探测大气温度的纯转动拉曼激光雷达系统 |
| 2.4 本章小结 |
| 3 多通道线阵列光电转换电路设计及集成 |
| 3.1 多通道线阵列光电转换电路设计 |
| 3.1.1 线阵列多通道光电倍增管 |
| 3.1.2 高增益、宽带宽运算放大器 |
| 3.1.3 光纤阵列的加工研制及性能分析 |
| 3.2 线阵列多通道流压转换电路的设计 |
| 3.2.1 多通道线阵列流压转换电路设计 |
| 3.2.2 LED528驱动电路设计 |
| 3.3 本章小结 |
| 4 转动拉曼测温激光雷达反演算法 |
| 4.1 传统反演算法 |
| 4.2 绝对反演算法 |
| 4.2.1 绝对反演算法等效函数的匹配构思 |
| 4.2.2 绝对反演算法等效函数的匹配 |
| 4.3 反演匹配算法结论分析 |
| 4.4 本章小结 |
| 5 基于光纤阵列的拉曼光谱分光性能测试实验 |
| 5.1 拉曼光谱分光性能测试实验系统的初步构建 |
| 5.1.1 光纤阵列各通道拉曼光谱响应及一致性测试 |
| 5.1.2 光纤阵列通道抑制率的测试 |
| 5.2 线性光纤阵列的优化改进方案 |
| 5.2.1 采用非均匀密排分布 |
| 5.2.2 其它措施的完善 |
| 5.3 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 在校期间参与发表的文章 |
（9）改进的灰色预测模型及其在测绘数据处理中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究进展 |
| 1.2.1 数据变换技术 |
| 1.2.2 模型参数估计方法的改进 |
| 1.2.3 初始条件改进 |
| 1.2.4 基于背景值优化 |
| 1.2.5 灰色GM(1,1)模型的拓展 |
| 1.3 研究目标 |
| 1.4 研究内容 |
| 2 灰色预测模型初始条件求解的优化解法 |
| 2.1 以x~((1))(1)为初始条件的GM(1,1)建模 |
| 2.2 以x~((1))(n)为初始条件的GM(1,1)模型 |
| 2.3 以x~((1))(1)和x~((1))(n)加权组合为初始条件的GM(1,1)模型 |
| 2.4 以累加序列任意两点加权生成作为初始条件的GM(1,1)模型 |
| 2.5 直接求最优C值的GM(1,1)模型 |
| 2.6 算例分析 |
| 2.6.1 模拟算例一 |
| 2.6.2 实测算例二 |
| 2.7 本章小结 |
| 3 非线性最小一乘灰色预测模型研究 |
| 3.1 最小二乘法参数估计 |
| 3.2 最小一乘非线性灰参数估计 |
| 3.3 算例分析 |
| 3.3.1 模拟算例 |
| 3.3.2 工程实例 |
| 3.4 本章小结 |
| 4 粒子群算法优化灰色非线性模型 |
| 4.1 GM(1,1)缺陷分析和PGM(1,1)建模机理 |
| 4.1.1 GM(1,1)缺陷分析 |
| 4.1.2 PGM(1,1)模型的建立 |
| 4.2 基于粒子群算法的PSO-GM(1,1,N,p,ζ) |
| 4.2.1 粒子群算法 |
| 4.2.2 粒子群算法参数分析 |
| 4.2.3 粒子群算法特点及流程 |
| 4.2.4 灰色非线性模型 |
| 4.2.5 粒子群和灰色非线性模型相结合的PSO-GM建模机理 |
| 4.3 优化模型的精度检验 |
| 4.4 算例分析 |
| 4.5 本章小结 |
| 5 基于双变权缓冲GM(1,1)模型的构建 |
| 5.1 双变权缓冲GM(1,1)建模机理 |
| 5.1.1 变权缓冲算子数据预处理 |
| 5.1.2 双变权弱化缓冲GM(1,1)模型的建模过程 |
| 5.2 基于双变权缓冲GM(1,1)模型的北斗卫星钟差短期预报 |
| 5.2.1 北斗卫星星座概况及卫星钟差预报研究 |
| 5.2.2 钟差序列预处理 |
| 5.3 算例分析 |
| 5.4 本章小结 |
| 6 遗传算法优化多变量灰色预测模型 |
| 6.1 传统MGM(1,n)模型的建立 |
| 6.1.1 MGM(1,n)模型变量之间的灰色关联分析 |
| 6.1.2 MGM(1,n)模型的建模过程 |
| 6.2 传统MGM(1,n)模型背景值误差分析 |
| 6.3 遗传算法优化MGM(1,n)模型 |
| 6.3.1 遗传算法基本原理 |
| 6.3.2 遗传算法优化多变量MGM(1,n)模型建模过程 |
| 6.4 算例分析 |
| 6.4.1 基坑围护桩监测案例 |
| 6.4.2 滑坡监测案例 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间发表的论文与主要学术活动 |
（10）灰色预测GM（1.1）模型的几种拓广模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 GM(1,1)模型的研究现状 |
| 1.2.1 原始数据预处理的改进 |
| 1.2.2 参数估计方法的改进 |
| 1.2.3 背景值构造方法的改进 |
| 1.2.4 预测公式初始值的优化 |
| 1.2.5 与其他模型的结合 |
| 1.2.6 GM(1,1)模型的性质分析 |
| 1.3 区间预测的研究现状 |
| 1.3.1 基于精确数时间序列的区间预测 |
| 1.3.2 基于区间数时间序列的区间预测 |
| 1.4 本文的研究内容 |
| 第二章 GM(1,1)模型与累积法 |
| 2.1 GM(1,1)模型的建模机理 |
| 2.2 累积法 |
| 2.2.1 累积和的定义及计算通式 |
| 2.2.2 基于累积法的参数估计过程 |
| 2.2.3 累积法的性质分析 |
| 2.2.4 累积法的几何意义 |
| 2.3 本章小结 |
| 第三章 累积法GM(1,1)模型及其性质研究 |
| 3.1 引言 |
| 3.2 累积法GM(1,1)模型的参数估计 |
| 3.3 累积法GM(1,1)模型的内涵型预测公式 |
| 3.4 累积法GM(1,1)模型参数估计的矩阵表示式 |
| 3.5 累积法GM(1,1)模型的性质研究 |
| 3.6 应用实例 |
| 3.7 本章小结 |
| 第四章 累积法非等间距GM(1,1)模型及其性质研究 |
| 4.1 引言 |
| 4.2 非等间距GM(1,1)模型的定义型方程 |
| 4.3 基于累积法的参数估计 |
| 4.4 非等间距GM(1,1)模型的内涵型预测公式 |
| 4.5 累积法非等间距GM(1,1)模型的性质研究 |
| 4.6 实例分析 |
| 4.7 本章小结 |
| 第五章 基于序列转换的区间数序列GM(1,1)模型 |
| 5.1 引言 |
| 5.2 区间数的定义 |
| 5.3 区间数序列的转换 |
| 5.3.1 二元区间数序列的转换 |
| 5.3.2 三元区间数序列的转换 |
| 5.4 建模过程 |
| 5.5 实例分析 |
| 5.6 本章小结 |
| 第六章 基于参数转换的区间数序列GM(1,1)模型 |
| 6.1 引言 |
| 6.2 BIGM(1,1)建模过程 |
| 6.2.1 发展系数的确定 |
| 6.2.2 灰作用量的确定 |
| 6.2.3 预测公式 |
| 6.3 BIGM(1,1)模型的应用实例 |
| 6.4 TFGM(1,1)建模过程 |
| 6.4.1 发展系数的确定 |
| 6.4.2 灰作用量的确定 |
| 6.5 TIGM(1,1)模型的应用实例 |
| 6.6 本章小结 |
| 第七章 基于马尔可夫BIGM(1,1)模型的波动型区间数序列预测 |
| 7.1 引言 |
| 7.2 BIGM(1,1)的建模条件 |
| 7.3 基于马尔可夫预测的修正过程 |
| 7.4 马尔可夫BIGM(1,1)模型的应用实例 |
| 7.5 本章小结 |
| 第八章 总结与展望 |
| 8.1 全文总结 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间的研究成果 |
四、关于最小二乘法估计量性质的一个注记（论文参考文献）
- [1]基于深度学习的智能焊接技术研究[D]. 马徐峰. 浙江大学, 2021(01)
- [2]弹武器命中精度评估研究综述[J]. 苏敬,何华锋. 兵器装备工程学报, 2020(11)
- [3]基于改进超额收益法的XX电器企业商誉价值评估研究[D]. 符昕悦. 中国矿业大学, 2020(01)
- [4]黑龙江省粮食产量的分析及预测[D]. 张莹莹. 东北林业大学, 2019(01)
- [5]一类非线性计量经济学模型的参数估计方法研究[D]. 陈艳红. 哈尔滨工业大学, 2018(01)
- [6]基于区间灰数的灰色预测建模技术及应用研究[D]. 叶璟. 南京航空航天大学, 2018(01)
- [7]基于累积法的灰色模型在桥梁施工监控上的研究[D]. 周子博. 沈阳建筑大学, 2018(04)
- [8]转动拉曼绝对测温激光雷达信号检测及反演算法[D]. 王大龙. 西安理工大学, 2017(02)
- [9]改进的灰色预测模型及其在测绘数据处理中的应用[D]. 周一帆. 东华理工大学, 2017(01)
- [10]灰色预测GM（1.1）模型的几种拓广模型研究[D]. 曾祥艳. 电子科技大学, 2016(02)