| 摘要 | 第3-4页 |
| Abstract | 第4-8页 |
| 第一章绪论 | 第8-19页 |
| 1.1课题研究背景与意义 | 第8-9页 |
| 1.2中长期径流预报研究进展 | 第9-12页 |
| 1.2.1传统中长期径流预报的方法 | 第9-10页 |
| 1.2.2现代中长期径流预报的方法 | 第10-12页 |
| 1.3研究流域概况 | 第12-17页 |
| 1.3.1自然地理 | 第12-14页 |
| 1.3.2气象水文 | 第14页 |
| 1.3.3社会经济 | 第14-15页 |
| 1.3.4径流数据特性简析 | 第15-17页 |
| 1.4论文主要工作及其技术路线 | 第17-19页 |
| 1.4.1主要工作内容 | 第17页 |
| 1.4.2论文技术路线 | 第17-19页 |
| 第二章最小二乘支持向量机理论 | 第19-29页 |
| 2.1支持向量机 | 第19-24页 |
| 2.1.1统计学习理论 | 第20-22页 |
| 2.1.2支持向量机模型 | 第22-24页 |
| 2.2最小二乘支持向量机 | 第24-28页 |
| 2.2.1最小二乘支持向量机模型 | 第24-26页 |
| 2.2.2常见核函数 | 第26-27页 |
| 2.2.3模型评价指标 | 第27-28页 |
| 2.3本章小结 | 第28-29页 |
| 第三章基于灰狼优化算法的最小二乘支持向量机预测模型 | 第29-40页 |
| 3.1灰狼优化算法 | 第29-33页 |
| 3.1.1灰狼优化算法来源 | 第29-30页 |
| 3.1.2灰狼优化算法数学模型 | 第30-33页 |
| 3.2GWO-LSSVM模型 | 第33-35页 |
| 3.2.1GWO-LSSVM模型分析 | 第33-34页 |
| 3.2.2GWO-LSSVM模型构建 | 第34-35页 |
| 3.3GWO-LSSVM模型仿真实验 | 第35-39页 |
| 3.4本章小结 | 第39-40页 |
| 第四章VMD-GWO-LSSVM模型在径流预报中的研究应用 | 第40-54页 |
| 4.1变分模态分解 | 第40-41页 |
| 4.2VMD-GWO-LSSVM预测模型的构建 | 第41-42页 |
| 4.3仿真实验 | 第42-53页 |
| 4.3.1变分模态分解后子序列预测结果 | 第44-49页 |
| 4.3.2VMD-GWO-LSSVM月径流预报结果及分析 | 第49-50页 |
| 4.3.3VMD-GWO-LSSVM与其他模型对比 | 第50-53页 |
| 4.4本章小结 | 第53-54页 |
| 第五章总结与展望 | 第54-56页 |
| 5.1总结 | 第54页 |
| 5.2展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
