基于混合模型CI-FPA-SVM对PM日浓度预测--以昆明和玉溪为例
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 引言 | 第7-12页 |
| 1.1 研究背景与意义 | 第7页 |
| 1.2 研究现状 | 第7-11页 |
| 1.2.1 传统预测方法 | 第7-8页 |
| 1.2.2 现代人工智能法 | 第8-10页 |
| 1.2.3 本文主要工作 | 第10-11页 |
| 1.3 课题的主要研究内容 | 第11-12页 |
| 第二章 协整理论概述 | 第12-15页 |
| 2.1 协整理论的产生 | 第12页 |
| 2.2 检验方法 | 第12-15页 |
| 2.2.1 基本概念 | 第12-13页 |
| 2.2.2 单位根检验 | 第13页 |
| 2.2.3 协整检验 | 第13-15页 |
| 第三章 优化算法 | 第15-22页 |
| 3.1 优化理论简述 | 第15-16页 |
| 3.2 花朵授粉算法 | 第16-18页 |
| 3.2.1 花朵授粉机理 | 第16页 |
| 3.2.2 FPA算法及步骤 | 第16-18页 |
| 3.3 遗传算法 | 第18-20页 |
| 3.3.1 GA算法基本原理 | 第19页 |
| 3.3.2 GA算法的基本步骤 | 第19-20页 |
| 3.4 粒子群优化算法 | 第20-22页 |
| 3.4.1 PSO算法的基本概念 | 第20-21页 |
| 3.4.2 PSO算法及步骤 | 第21-22页 |
| 第四章 预测算法 | 第22-26页 |
| 4.1 预测技术简述 | 第22页 |
| 4.2 支持向量机 | 第22-24页 |
| 4.3 BP神经网络 | 第24-26页 |
| 第五章 实证分析 | 第26-31页 |
| 5.1 研究对象 | 第26-27页 |
| 5.2 数据集的选择 | 第27-28页 |
| 5.3 联合模型的构建 | 第28-30页 |
| 5.4 衡量指标选取 | 第30-31页 |
| 第六章 仿真及其结果 | 第31-36页 |
| 6.1 协整性检验 | 第31-32页 |
| 6.1.1 序列的单整检验 | 第31页 |
| 6.1.2 序列的协整检验 | 第31-32页 |
| 6.2 仿真结果比较 | 第32-36页 |
| 6.2.1 模型的预测结果 | 第32-34页 |
| 6.2.2 模型比较 | 第34-36页 |
| 第七章 结论 | 第36-38页 |
| 参考文献 | 第38-41页 |
| 在学期间的研究成果 | 第41-42页 |
| 致谢 | 第42页 |
