论文目录 | |
| 摘要 | 第1-5
页 |
| Abstract | 第5-7
页 |
| 第一章 绪论 | 第7-22
页 |
| · 研究背景及意义 | 第7-11
页 |
| · 国内外研究现状 | 第11-20
页 |
| · 单维时间序列预测中的数据预处理和支撑向量机方法 | 第12-15
页 |
| · 多维输入时间序列预测与粗糙集理论及神经网络的应用 | 第15-20
页 |
| · 论文的主要内容 | 第20-22
页 |
| 第二章 趋势和季节调整与支持向量机的结合在电力需求预测的应用 | 第22-44
页 |
| · 单维时间序列的预处理——趋势成分与季节成分 | 第22-27
页 |
| · 检验季节的存在性 | 第22-24
页 |
| · 先定趋势的预测技术 | 第24-27
页 |
| · ε-不敏感损失函数支持向量机方法 | 第27-35
页 |
| · 回归问题的提出 | 第27-30
页 |
| · 线性支持回归向量机 | 第30-34
页 |
| · 回归问题的数学提法 | 第34-35
页 |
| · 趋势和季节调整与支持向量机的结合——以电力需求预测为例 | 第35-44
页 |
| · 电力需求预测背景及现状 | 第35-39
页 |
| · 先定趋势考虑季节影响的ε-不敏感损失函数支持向量机方法在电力需求预测的应用 | 第39-44
页 |
| 第三章 粗糙集方法与BP网络及GMDH网络的结合在大气污染预测的应用 | 第44-66
页 |
| · 粗糙集理论 | 第44-48
页 |
| · 粗糙集理论概述 | 第44-45
页 |
| · 粗糙集理论相关知识 | 第45-48
页 |
| · PSO-BP网络 | 第48-59
页 |
| · PSO理论 | 第48-49
页 |
| · BP网络 | 第49-51
页 |
| · RS-PSO-BP网络在大气污染物浓度预测中的应用 | 第51-59
页 |
| · GMDH网络 | 第59-63
页 |
| · GMDH网络理论 | 第60-61
页 |
| · GMDH网络的训练 | 第61-62
页 |
| · 基于GMDH网络的预测 | 第62-63
页 |
| · RS-GMDH网络 | 第63-66
页 |
| · RS-GMDH网络 | 第63
页 |
| · RS-GMDH网络在大气污染物浓度中预测中的应用 | 第63-66
页 |
| 第四章 结论与建议 | 第66-69
页 |
| 参考文献 | 第69-72
页 |
| 作者在读研期间科研成果简介 | 第72-73
页 |
| 致谢 | 第73页 |
