毕业设计（论文）题目：观测数据随机缺失下的时间序列预测一、毕业设计（论文）内容及要求（包括原始数据、技术要求、达到的指标和应做的实验等）

设计内容及要求：   内容：对观测数据的随机缺失失效用序列独立贝努利随机变量表示，基于扩展卡尔曼滤波首先推导出观测数据随机缺失下的非线性滤波算法，即推广扩展卡尔曼滤波；然后分别用神经网络权值和输出作为状态方程和观测方程，建立适合于扩展卡尔曼滤波算法的时间序列预测模型；最后，不必预先估计缺失数据，把数据缺失时刻的贝努利随机变量设置为0，直接把数据缺失下的滤波问题看作是观测量随机缺失下非线性滤波问题的一种特殊情况进行处理，把推广扩展卡尔曼滤波跟基于神经网络的非线性滤波模型结合起来应用于数据缺失下地面辐射强度时间序列的预测中。84510

 要求： ①给出推广扩展卡尔曼滤波算法和数据缺失下地面辐射强度时间序列预测的Matlab程序；②对预测结果和实际结果从精度和复杂性等方面进行分析；③整理毕业论文。

二、完成后应交的作业（包括各种说明书、图纸等）

1。 毕业设计论文一份（不少于1。5万字）；

2。 外文译文一篇（不少于5000英文单词）。

三、完成日期及进度

（1）3月21日～4月5日：消化任务书，查找资料，熟悉MATLAB软件，完成开题报告；

（2）4月6日～５月1日：建立系统模型，完成英文文献的翻译，完成中期检查；

（3）5月2日～5月31日：实验仿真；

（4）6月1日～6月12日：撰写毕业论文，上交毕业论文，院系组织答辩，各答辩小组评定毕设成绩，指导老师准备上交毕业设计资料。           

四、主要参考资料（包括书刊名称、出版年月等）:

1 Xuedong Wu, Yaonan Wang, Jianxu Mao, Zhaoping Du, Chunhua Li。 Multi–step Prediction of Time Series with Random Missing Data。 Applied Mathematical Modelling, 38(14): 3512–3522, July 2014。

2 Xuedong Wu, Yaonan Wang。 Extended and Unscented Kalman filtering based feedforward neural networks for time series prediction。 Applied Mathematical Modelling, 36(3): 1123–1131, 2012。

3 蒋宗礼。 人工神经网络导论。 高等教育出版社, 2001

4 席剑辉，韩敏，殷福亮。 基于卡尔曼滤波的混沌系统辩识。 大连理工大学学报，2003，43(4):516-521

5 张家树，肖先赐。 混沌时间序列的自适应高阶非线性滤波预测。物理学报，2000，49(7):1221-1227

6 黄润生。混沌及其应用。 武汉:武汉大学出版社，2000

7 张家树，肖先赐。 连续混沌系统的非线性自适应预测跟踪控制。物理学报，2001，50(11): 2092-2096

8 王万良。 人工智能及其应用。 高等教育出版社, 2005