| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-11页 |
| 1.1 论文选题背景介绍 | 第7页 |
| 1.2 国内外相关研究现状 | 第7-9页 |
| 1.3 主要内容及各章节安排 | 第9-11页 |
| 1.3.1 研究内容介绍 | 第9页 |
| 1.3.2 主要创新内容介绍 | 第9页 |
| 1.3.3 各章节主要内容介绍 | 第9-11页 |
| 第二章 基于EWT-PSO-SA-SVR学习理论的研究 | 第11-24页 |
| 2.1 经验小波变换(EWT) | 第11-12页 |
| 2.2 支持向量回归(SVR) | 第12-16页 |
| 2.2.1 支持向量机(SVM) | 第12-15页 |
| 2.2.2 支持向量回归（SVR） | 第15-16页 |
| 2.3 粒子群模拟退火算法(PSO-SA) | 第16-20页 |
| 2.3.1 粒子群优化算法(PSO) | 第16-17页 |
| 2.3.2 模拟退火算法(SA) | 第17-19页 |
| 2.3.3 粒子群模拟退火算法(PSO-SA) | 第19-20页 |
| 2.4 区间预测理论介绍及模型建立 | 第20-23页 |
| 2.4.1 区间预测模型介绍 | 第20-21页 |
| 2.4.2 区间预测评价准则 | 第21-23页 |
| 2.5 建立混合模型EWT-PSO-SA-SVR | 第23-24页 |
| 第三章 实证分析 | 第24-34页 |
| 3.1 数据介绍 | 第24-26页 |
| 3.2 数据分解结果 | 第26-27页 |
| 3.3 原始序列的区间预测结果 | 第27-28页 |
| 3.4 模型比较结果 | 第28-33页 |
| 3.5 本章小结 | 第33-34页 |
| 第四章 结论与展望 | 第34-35页 |
| 4.1 主要结论 | 第34页 |
| 4.2 研究展望 | 第34-35页 |
| 参考文献 | 第35-37页 |
| 致谢 | 第37页 |