水文时间序列的混沌特性及预测方法

     姜翔程的这本《水文时间序列的混沌特性及预测方法》以径流、降水、蒸发时间序列为例，主要研究了水文系统相空间重构、水文时间序列混沌性质的识别和水文混沌时间序列的预测方法三个方面，建立了水文混沌时间序列一阶加权局域多步预测模型，提出了水文混沌时间序列Volterra自适应预测模型，首次把支持向量回归机引入水文混沌时间序列的预测中，并就模型的预测能力进行了计算分析。

前言
第1章  绪论
  1.1  研究背景
  1.2  研究目的和意义
  1.3  混沌时间序列研究状况
  1.4  水文时间序列预测研究状况
  1.5  本书主要研究内容
第2章  重构水文系统相空间
  2.1  概述
  2.2  相空间重构理论
  2.3  水文时间序列数据的平稳性
  2.4  水文系统重构延迟时间的确定
  2.5  水文系统重构嵌入维数的确定
  2.6  同时确定延迟时间和嵌入维数方法
  2.7  本章小结
第3章  水文时间序列的混沌特性分析
  3.1  概述
  3.2  水文时间序列的相图
  3.3  水文时间序列功率谱分析
  3.4  水文时间序列的关联维
  3.5  Kolmogorov熵
  3.6  水文时间序列最大Lyapunov指数
  3.7  本章小结
第4章  水文混沌时间序列加权局域多步预测研究
  4.1  概述
  4.2  全域建模法
  4.3  局域建模原理
  4.4  零阶局域建模法
  4.5  加权一阶局域建模法
  4.6  水文混沌时间序列加权一阶局域预测模型
  4.7  本章小结
第5章  水文混沌时间序列的Volterra自适应预测研究
  5.1  概述
  5.2  Volterra泛函级数
  5.3  水文混沌时间序列Volterra自适应模型
  5.4  Volterra滤波器自适应算法
  5.5  水文混沌时间序列Wolterra自适应模型算法及实现
  5.6  年径流量混沌时间序列Volterra自适应预测
  5.7  月蒸发量混沌时间序列Volterra自适应预测
  5.8  本章小结
第6章  水文混沌时间序列支持向量回归机预测研究
  6.1  概述
  6.2  统计学习与支持向量机
  6.3  支持向量回归机模型及算法
  6.4  水文混沌时间序列SVR机算法
  6.5  水文混沌时间序列SVR回归模型
  6.6  本章小结
第7章  总结与展望
参考文献