本研究在吸收现有相关理论和研究成果基础上，立足于流数据统计建模的前沿，从流数据的复杂性和实时性特征出发，结合变量选择、稳健统计建模和分位数回归等方法，提出了一系列创新的在线更新模型和算法，为流数据环境下的实时分析和决策提供了理论和方法支持。

第1章 绪论
1.1 研究背景及意义
1.2 文献综述
1.3 章节安排
第2章 流数据下基于平方根Lasso的在线变量选择与参数估计
2.1 引言
2.2 方法
2.3 理论性质
2.4 数值分析
2.5 实际数据集分析
2.6 结论
2.7 附录
第3章 一般框架下流数据广义线性模型的在线变量选择
3.1 引言
3.2 方法及主要结果
3.3 在线更新坐标下降算法
3.4 模拟研究和实际数据分析
3.5 结论
3.6 附录
第4章 带有异质性检测的流数据集平滑分位数回归的实时推断
4.1 引言
4.2 理论基础
4.3 SQR的在线更新方法与异常检测
4.4 SQR的可再生估计量的理论性质
4.5 数值模拟
4.6 实际数据集分析
4.7 结论
4.8 附录
第5章 流数据下的在线更新复合分位数回归
5.1 引言
5.2 理论基础
5.3 在线更新估计量的性质
5.4 模拟研究
5.5 真实数据分析
5.6 结论
5.7 附录
参考文献
后记