1. 研究目的与意义及国内外研究现状

近年来，人们将神经网络，混沌理论，遗传算法以及当代应用数学研究的最新进展等诸多理论与方法应用于时间序列预测，其中由于神经网络作为一种通用函数逼近器可以任意精度近似任意非线性函数和动态系统，是高度非线性对象建模的有力工具，因此目前在该领域研究中仍以神经网络方法为主。尽管神经网络取得很大进步，但仍有一些不易解决的难题，如难以确定神经网络的隐层节点数，存在过学习现象，训练过程中存在局部极小的问题等。近年来提出的基于小波的神经网络对时间序列进行分解的方法，利用小波分解进行趋势项、周期项和随机项的分离，并进行神经网络的集成预测，使得网络权值有确定意义，从而在一定程度上解决神经网络的盲目性问题， 这种方式比传统的神经网络预测有着更好的精度，因而被广泛应用于时间序列预测当中。

本论文以某大型工程施工过程中的振动响应数值为依据，应用bp神经网络对振动响应数值进行预测研究。bp网络通过对以往历史数据的学习，找出振动响应数据变化趋势之间的非线性关系，并将其储藏在网络具体的权值以及阈值当中，从而对其未来趋势进行有效的预测。而后设计了基于小波的bp神经网络的预测模型进行预测，并对两种方法进行比较分析。可以说，在这样一个信息及经济高度发达的时代，研究小波和bp神经网络在非线性时间序列上的预测，为其进一步的发展和应用做出一定的贡献是极具理论价值和实际价值的。

2. 研究的基本内容

论文展开前期，首先要对神经网络，小波变换及时间序列的概念有清楚的认识，了解他们是什么以及他们的发展概况及趋势。

根据论文题目及要求，将毕业论文核心分为三个主要的部分，分别为时间序列，bp神经网络以及小波变换。基于前期掌握的相关知识和资料，着手模型的建立以及相关理论整理成文。

初步框架建立以后，开始编程设计。采用matlab软件设计bp神经网络的预测模型，然后针对某一非线性时间序列进行预测研究，在此过程中，观察讨论不同的模型参数对预测效果的影响，并进行预测结果的误差分析。

3. 实施方案、进度安排及预期效果

1、调研神经网络、小波变换以及时间序列预测的发展概况及趋势（2016.1）

2、熟悉掌握matlab软件的应用与编程方法（2016.2.1-2016.2.15）

4. 参考文献

1.周开利.《神经网络模型及其matlab仿真程序设计》.清华大学出版社，2005.

2.张德丰.《matlab神经网络编程》.化学工业出版社，2011.

3. 郑治真.《小波变换及其matlab工具的应用》.地震出版社，2001.